DBpedia/Virtuoso SPARQL 应该使用什么风格的正则表达式？答案

【问题标题】：What flavor of regex should be used with DBpedia/Virtuoso SPARQL?DBpedia/Virtuoso SPARQL 应该使用什么风格的正则表达式？
【发布时间】：2016-11-05 11:17:34
【问题描述】：

我正在尝试使用 FILTER 仅匹配完整字符串，而不是 sparql 中的子字符串。

我正在查询DBPedia（托管在Virtuoso）。

我不太确定 SPARQL 是否支持 wordbounds，看看如何使用类似的东西

FILTER(regex(?name, "V", "i"))

将找到包含 V、IV、VI、VII 等的那些。

现在，我已经尝试使用

FILTER(regex(?name, "\<V\>", "i"))

在端点上产生编译错误

Virtuoso 37000 Error SP030: SPARQL compiler, line 0: Bad escape sequence in a short double-quoted string at '"\'

我也试过了

FILTER(regex(?name, "\bV\b", "i"))

虽然这个查询被接受，但它不会返回任何结果，我猜这是因为它将它作为退格而不是 wordbounds。

我试过寻找它使用的风味，我唯一发现的是它使用XQuery 1.0 and XPath 2.0 Functions and Operators

感谢您的宝贵时间！

【问题讨论】：

此错误消息comes from the lexer，不是来自正则表达式引擎。所以尝试双重逃避：\\bV\\b 看看会发生什么。除此之外，风味appears to be PCRE（至少引用了这个库）。
谢谢，我只是尝试双重转义，没有更多错误，但就像 \b 一样，不会返回任何结果。我去看看 PCRE，谢谢！
PCRE 是你能得到的最好的东西，它肯定支持\b，但也许regex 函数锚定了模式¯\_(ツ)_/¯，所以试试@ 987654333@.
@LucasTrzesniewski 刚刚试了一下，还是没有结果。也许 DBPedia sparql 使用了另一种风格或旧标准？既不能匹配 \b 也不能匹配 \> 似乎真的很奇怪
@ManuAndrei 对我来说，它适用于单词边界，请参阅select distinct ?s ?l where { ?s a dbo:SoccerClub . ?s rdfs:label ?l FILTER(LANGMATCHES(LANG(?l),'en')) FILTER(regex(str(?l), "\\bD", "i")) } LIMIT 100，它返回名称中以 d 开头的单词的足球俱乐部。

标签： regex sparql rdf

【解决方案1】：

字边界适用于\\b，请参阅

SELECT DISTINCT ?s ?l WHERE {
  ?s a <http://dbpedia.org/ontology/SoccerClub> ;
     <http://www.w3.org/2000/01/rdf-schema#label> ?l
  FILTER(LANGMATCHES(LANG(?l),'en'))
  FILTER(REGEX(STR(?l), "\\bD", "i"))
} LIMIT 100

返回英文名称中以“d”开头的单词的足球俱乐部。

ETA：Virtuoso 开发人员报告说它使用Perl Compatible Regular Expressions。

【讨论】：

你能详细说明一下吗？当我阅读规范时，正则表达式语法来自 XML 数据类型，我似乎无法在其中找到 \b。我认为\W 是“非单词字符”，我认为它本质上是一个单词边界。那个或 Z 代码之一（分隔符）
@JoshuaTaylor 这正是我在 DBpedia 上尝试的。 Virtuoso，它似乎接受\b 作为单词边界。我不是 Virtuoso 的开发人员，我不知道他们使用什么样的 REGEX 引擎。在文档中我找不到任何相关的东西。我不确定\b 和\W 之间的区别，但是这个查询会返回不同的结果：SELECT DISTINCT ?s ?l WHERE { ?s a <http://dbpedia.org/ontology/SoccerClub> ; <http://www.w3.org/2000/01/rdf-schema#label> ?l FILTER(LANGMATCHES(LANG(?l),'en')) FILTER(REGEX(STR(?l), "\\bDundee", "i")) } LIMIT 100
\b 以“Dundee”开头的标签也会返回（例如"Dundee F.C."@en），\W 它只返回( 之后的标签，即看起来至少然后需要一个字符："Strathmore F.C. (Dundee)"@en
我现在询问了 Virtuoso 开发人员，以获得有关实施 REGEX 风格的说明。得到答复后，我会通知您。
哦，我并不担心它是否适用于 virtuoso，但我只是不知道规范中的哪个地方说 '\' 应该起作用。这可能是我的一个缺点，也可能是 virtuoso 的实现偏离标准的另一个地方。我只是想弄清楚是哪个。

【解决方案2】：

SPARQL 1.1 的 regex 函数在标准的17.4.3.14 REGEX 中有描述：

调用 XPath fn:matches 函数将文本与正则表达式模式匹配。正则表达式语言在 XQuery 1.0 和 XPath 2.0 函数和运算符部分 7.6.1 Regular Expression Syntax 中定义。

通过一些链接，您将看到正则表达式的 XML Schema 定义，地址为Appexndix F: Regular Expressions。如果您在该文档中查找 Multi-Character Escape，您会发现：

\w [#x0000-#x10FFFF]-[\p{P}\p{Z}\p{C}]（除了集合之外的所有字符 “标点符号”、“分隔符”和“其他”字符）

\W
[^\w]

当我阅读时，我认为 \W 是您正在寻找的单词分隔符。

【讨论】：