Apache Jena 获取“ERROR riot”处理元素

Question

我在这里有一个 RDF 文件：rdf.rdf，其中包含 35696 条记录。我正在尝试使用 Jena 处理它：

./bin/sparql --data=/tmp/rdf.rdf --query=./basic.query

但我得到了：

21:25:27 ERROR riot                 :: Element type "j.0:target" must be followed by either attribute specifications, ">" or "/>".
Failed to load data

我相信这个问题是一个特定的记录，但我不知道是哪一个，有没有人有办法检查这个或一个命令来产生一个问题的行号？

Answer 1

问题在于数据不是 RDF/XML（甚至是 XML）

输入的最大问题是它不是合法的 RDF/XML，甚至是合法的 XML。有许多行包含格式错误的字符串，例如，

$ grep '""' rdf.rdf
<j.0:target rdf:resource="urn:evitakarina""/>
<j.0:target rdf:resource="urn:MiaWaluyo""/>
<j.0:target rdf:resource="urn:AnggaMOB""/>
…

实体也存在一些问题，或者更确切地说，与符号出现的地方不是实体。例如：

$ grep "&" rdf-without-quotes.rdf 
<j.0:target rdf:resource="urn:HERUWA--&gty"/>
<j.0:target rdf:resource="urn:PiniiPin&andreasbimoo"/>

如果用& 替换其中的每一个，你会走得更远一些（尽管&gt 应该是>？），但仍有 问题.之后，您可能会追查到：

<j.0:target rdf:resource="urn:cordeliabuvaledesilvaa"jajajajajajajajaja"/>

不幸的是，我不知道有什么方法可以更好地获取有关行号的调试信息。由于这个（不完全是）RDF/XML 文档的结构如此规则，因此将其切成两半以缩小问题范围并不难，并且根据经验，这些事情通常是由某些不良字符引起的它不应该在哪里，这就是我一直在寻找（并找到）的地方。

生成更好的数据

如果您对数据有任何控制权（例如，如果您正在生成数据），我强烈建议您考虑使用 RDF API（例如 Jena）生成数据，以便从任何原始输入数据是，而不是将其混入一些基于文本的模板中。这可能会给你最好的输出。否则，您只需要对必须是 URL 的 URL 编码更加小心。大多数语言都包含一些用于处理该问题的标准库功能。

使用 Jena 并不太难做到这一点。我建议尝试重建一个包含有问题的数据的最小模型。这是从您的数据中提取的一个小样本（但它是一个完整的 RDF/XML 文档（或者如果不是因为上面讨论的问题的话））：

<?xml version="1.0" encoding="iso-8859-1" ?>
<rdf:RDF
  xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"
  xmlns:j.0="urn:" >
<rdf:Description rdf:about="urn:communication243">
    <j.0:hour rdf:datatype="http://www.w3.org/2001/XMLSchema#long">20120219</j.0:hour>
    <j.0:minute rdf:datatype="http://www.w3.org/2001/XMLSchema#long">2012021910</j.0:minute>
    <j.0:source rdf:resource="urn:wirojericko"/>
    <j.0:target rdf:resource="urn:evitakarina""/>
</rdf:Description>
<rdf:Description rdf:about="urn:communication4574">
    <j.0:hour rdf:datatype="http://www.w3.org/2001/XMLSchema#long">20120304</j.0:hour>
    <j.0:minute rdf:datatype="http://www.w3.org/2001/XMLSchema#long">2012030406</j.0:minute>
    <j.0:source rdf:resource="urn:renomaximuz"/>
    <j.0:target rdf:resource="urn:HERUWA--&gty"/>
</rdf:Description>
</rdf:RDF>

我们可以使用 Jena 和以下代码重新创建它。我将这些值存储在 Object[][] 数组中，这样我们甚至可以模拟对原始输入数据的迭代。

import com.hp.hpl.jena.rdf.model.Model;
import com.hp.hpl.jena.rdf.model.ModelFactory;
import com.hp.hpl.jena.rdf.model.Property;
import com.hp.hpl.jena.rdf.model.Resource;

public class RecreateRDFExample {
    public static void main(String[] args) {
        final String NS = "urn:";
        final Model model = ModelFactory.createDefaultModel();
        final Object[][] data = {
                { 243, 20120219L, 2012021910L, "wirojericko", "evitakarina\"" }, 
                { 4574, 20120304L, 2012030406L, "renomaximuz", "HERUWA--&gty" }
        };

        final Property hour = model.createProperty( NS+"hour" );
        final Property minute = model.createProperty( NS+"minute" );
        final Property source = model.createProperty( NS+"source" );
        final Property target = model.createProperty( NS+"target" );

        for ( Object[] communication : data ) { 
            final Resource com = model.createResource( NS + "communication" + communication[0] );
            com.addLiteral( hour, (long) communication[1] ); 
            com.addLiteral( minute, (long) communication[2] ); 
            com.addProperty( source, model.createResource( NS+communication[3] ));
            com.addProperty( target, model.createResource( NS+communication[4] ));
        }

        model.write( System.out );
    }
}

输出正是我们所希望的； IRI 已使用 " 和 & 进行适当编码。

<rdf:RDF
    xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"
    xmlns:j.0="urn:" > 
  <rdf:Description rdf:about="urn:communication243">
    <j.0:target rdf:resource="urn:evitakarina&quot;"/>
    <j.0:source rdf:resource="urn:wirojericko"/>
    <j.0:minute rdf:datatype="http://www.w3.org/2001/XMLSchema#long">2012021910</j.0:minute>
    <j.0:hour rdf:datatype="http://www.w3.org/2001/XMLSchema#long">20120219</j.0:hour>
  </rdf:Description>
  <rdf:Description rdf:about="urn:communication4574">
    <j.0:target rdf:resource="urn:HERUWA--&amp;gty"/>
    <j.0:source rdf:resource="urn:renomaximuz"/>
    <j.0:minute rdf:datatype="http://www.w3.org/2001/XMLSchema#long">2012030406</j.0:minute>
    <j.0:hour rdf:datatype="http://www.w3.org/2001/XMLSchema#long">20120304</j.0:hour>
  </rdf:Description>
</rdf:RDF>