DIV CSS 佈局教程網

您现在的位置: DIV+CSS佈局教程網 >> 網頁腳本 >  >> XML學習教程 >> XML詳解
把多份 XML 拼成一張 RDF 圖:模型合併與三元組查詢入門
編輯:XML詳解     

這篇「Thinking XML」專欄要示範的是:如何把從多個 XML 來源文件收集到的中介資料,合併進單一一份可供高效查詢的「資源描述框架」(Resource Description Framework,RDF)模型。專欄作家 Uche Ogbuji 在前一篇中介紹了 XML 與 RDF 如何攜手做知識管理;本文承接下去,談的是如何用既有 XML 格式中已存在的資料來組出 RDF 模型。全文的核心是一個實例:把原本處理 XML 格式應用資料的網頁版問題追蹤器擴充,讓它用上 RDF。文中的 XSLT 與 Python 範例程式,示範如何把來自多份 XML 檔案的中介資料彙整進單一 RDF 模型(一份用 XSLT,一份用 RDF 工具),並附上簡易的 RDF 查詢範例。

上一篇《知識管理的基本 XML 與 RDF 技術(第一部分)》(繼續往下讀之前,也許值得回頭複習)介紹了一個以 XML 格式收集資料的問題追蹤器應用範例,接著示範如何用 XSLT 從應用資料中抽出 RDF。

本篇要補完的,是把「轉換每份 XML 來源文件各自產生的離散 RDF 片段」組裝起來的這個環節,同時示範幾種基礎查詢技巧。

資源的大量派生

上一篇完成了「從 XML 來源檔案抽出序列化格式 RDF」的練習。然而,知識管理真正有用的地方,在於操作 RDF 陳述的抽象模型,而不是一份份序列化檔案。RDF 模型是圖形結構,可以極簡,也可以複雜到令人難以置信。(事實上,在最極端的設想裡,語意網路要建的是一個至少與當前 Web 同等規模的 RDF 模型。若真實現,那可能是人類用過最大的電腦資料結構。)

到目前為止,問題追蹤器的範例是由一組 XML 檔案組成,每個檔案都是 RDF 模型某個部分的序列化。每一塊就像七巧板的一片;把它們拼在一起,才構成代表問題追蹤應用全部資料的 RDF 模型。單獨一片本身無關緊要——所以下一步,我們來談怎麼拼出那張完整的「圖」,因為那張圖才是知識管理價值的所在。

用 XSLT 做批次轉換

拼這張圖有一條路,是根本不去碰七巧板碎片,而是用 XSLT 一次把整張圖生出來。你可以寫一個轉換:它逐一收集每份 XML 問題文件,套上前一篇描述的 RDF 轉換處理,再把每次的結果累積到同一份序列化 RDF 輸出裡。要做到這件事,得用上標準的 document() XSLT 函式——它能讀入任意文件,作為轉換過程的補充 XML 來源。

document() 需要知道要讀的檔案確切名稱。XSLT 並沒有(比方說)用萬用字元一次讀入多份文件的標準機制。這一點可以有好幾種解法(包括借助 XSLT 擴充功能,用萬用字元或其他方式批次載入文件)。但既然這不是本範例的重點,我選了個折衷方案:做一份集中(hub)的 XSLT 文件,裡頭列出每一份問題文件。清單 1 的 issue-hub.XML 示範了集中文件長什麼樣子,它列出了兩份問題文件(前一篇專欄介紹過)。

清單 1. 列出各應用資料文件名的問題文件集中 XML 文件

issue1.XML
issue2.XML

有了集中文件,就能把清單 2 的 metadata-batch.xslt 轉換套在它身上(以它為來源文件),一次從所有列出的問題生成彙整後的 RDF。

清單 2 你大概會覺得很眼熟——其中大半和前一篇的轉換相同。這是因為我很在意 XML 結構的模組化處理。根樣板現在會從集中文件中找出每個 issue 元素(注意,這裡用的是空名稱空間),然後依每個元素內容所給的檔名載入文件。請注意這裡寫的是 document(.)/* 而不只是 document(.);這種寫法可以避免處理器去比對問題文件的根節點,否則就會誤觸那份原本要留給集中文件根節點的樣板。這是本篇批次轉換與前一篇唯一的差別所在。

任何 XSLT 處理器都能跑這個轉換。我用 4XSLT,指令如下:

$ 4xslt -o issues.rdf issue-hub.XML metadata-batch.xslt

這道轉換會產出 issues.rdf 裡的序列化 RDF,內容彙整了 issue1.xml 與 issue2.XML 的中介資料。

用 RDF 工具做批次轉換

把多份 XML 文件彙整進單一 RDF 模型的另一條路(前一篇也提過),是先各自建出每份 RDF 文件,再讓 RDF 解析器把它們全部解析進同一個抽象模型。舉例來說,把前一篇範例問題文件所生成的兩份 RDF 檔交給 4RDF,會得到清單 3。

清單 3. 兩份由 XML 派生、經 RDF 解析器(此處為 4RDF)彙整後的結果

$ 4rdf -d 1.rdf 2.rdf
The following is a list of resulting tuples, each in the form "subject,
predicate, object".
[
("https://meta.rdfinference.org/ril/issue-tracker/ril-20010502",
"https://XMLns.rdfinference.org/ril/issue-tracker#issue",
"#i2001030423"),
("#anonymous:e08-e06-30b-90d-a060005104", "id", "i2001030423"),
("#anonymous:e08-e06-30b-90d-a060005104",
"https://XMLns.rdfinference.org/ril/issue-tracker#author",
"https://users.rdfinference.org/ril/issue-tracker#uogbuji"),
("#anonymous:1040d07-20b-909-407-b0e0402205",
"https://XMLns.rdfinference.org/ril/issue-tracker#author", "Alexandre
Fayolle "),
("#anonymous:1040d07-20b-909-407-b0e0402205",
"https://XMLns.rdfinference.org/ril/issue-tracker#body", "The
abbreviation in listing 8 doesn't seem necessary to Nico Chauvat or
me."),
("#anonymous:e08-e06-30b-90d-a060005104",
"https://XMLns.rdfinference.org/ril/issue-tracker#comment",
"#anonymous:1040d07-20b-909-407-b0e0402205"),
("#anonymous:60e0b06-50a-80c-90c-50a0a08602",
"https://XMLns.rdfinference.org/ril/issue-tracker#author",
"https://users.rdfinference.org/ril/issue-tracker#uogbuji"),
("#anonymous:60e0b06-50a-80c-90c-50a0a08602",
"https://XMLns.rdfinference.org/ril/issue-tracker#assignment",
"https://users.rdfinference.org/ril/issue-tracker#uogbuji"),
("#anonymous:e08-e06-30b-90d-a060005104",
"https://XMLns.rdfinference.org/ril/issue-tracker#action",
"#anonymous:60e0b06-50a-80c-90c-50a0a08602"),
("https://meta.rdfinference.org/ril/issue-tracker/ril-20010502",
"https://XMLns.rdfinference.org/ril/issue-tracker#issue",
"#i2001042003"),
("#anonymous:2030002-506-10a-201-f090809c08", "id", "i2001042003"),
("#anonymous:2030002-506-10a-201-f090809c08",
"https://XMLns.rdfinference.org/ril/issue-tracker#author",
"https://users.rdfinference.org/ril/issue-tracker#nchauvat"),
("#anonymous:c000706-b0b-d02-d0a-e050c0460b",
"https://XMLns.rdfinference.org/ril/issue-tracker#author", "Alexandre
Fayolle "),
("#anonymous:c000706-b0b-d02-d0a-e050c0460b",
"https://XMLns.rdfinference.org/ril/issue-tracker#body", "I agree"),
("#anonymous:2030002-506-10a-201-f090809c08",
"https://XMLns.rdfinference.org/ril/issue-tracker#comment",
"#anonymous:c000706-b0b-d02-d0a-e050c0460b"),
("#anonymous:b0c0c00-800-2-c08-20a0d0f209",
"https://XMLns.rdfinference.org/ril/issue-tracker#author",
"https://users.rdfinference.org/ril/issue-tracker#uogbuji"),
("#anonymous:b0c0c00-800-2-c08-20a0d0f209",
"https://XMLns.rdfinference.org/ril/issue-tracker#assignment",
"https://users.rdfinference.org/ril/issue-tracker#uogbuji"),
("#anonymous:2030002-506-10a-201-f090809c08",
"https://XMLns.rdfinference.org/ril/issue-tracker#action",
"#anonymous:b0c0c00-800-2-c08-20a0d0f209"),
]

清單 3 第一行裡的 -d 選項,是叫 RDF 工具把抽象 RDF 模型中的主詞/述詞/受詞三元組傾印到命令列,也就是清單 3 剩下的那些內容。

有了問題追蹤器完整的 RDF 模型,你可能會想用比清單 3 更好讀的形式來看它。舉例來說,把清單 3 彙整出的 RDF 檔丟給 Dan Brickley 的 RDF 視覺化工具(請見參考資料)處理,會得到類似圖 1 的圖表。對一般的筆電螢幕而言它可能太寬,因此請點擊連結在新視窗中開啟。視覺化的好處是:你立刻能辨認出某種模式,例如使用者 uogbuji 的投稿與職責分布。當然,我得承認 RDF 隨 URI 而來的冗長識別碼,確實妨礙了這份清晰度。

跨系統查詢

手上有一份可用的中介資料 RDF 模型,另一個立竿見影的好處是:它讓許多系統層級的查詢變得更簡單、更通用——相對於針對一組 XML 文件寫 XPath 查詢,或把資料搬進專用資料結構才能查。XML 查詢語言(XQuery)與各 XML 資料庫供應商提供的文件集合查詢工具,也確實在解決這個需求;但至少現在,RDF 這種基礎模型是有標準可依的。

可惜 RDF 模型的查詢方式尚未標準化,這是 RDF 社群必須補上的重要缺口。所幸,由於 RDF 模型結構簡單,幾乎所有形式的查詢都能靠基本的模式比對建起來。這正是 4RDF 採用的基本方法:查詢就是找出符合給定主詞、述詞、受詞模式的陳述三元組。作為範例,請看表 1 中剛建好的部分彙整模型。

表 1. 來自問題追蹤器資料的若干陳述

主語:
#anonymous:a0d010d-f0c-706-20e-80a0407606
謂語:
https://XMLns.rdfinference.org/ril/issue-tracker#body
賓語:
Organize a vote on this topic

主語:
#anonymous:a0d010d-f0c-706-20e-80a0407606
謂語:
https://XMLns.rdfinference.org/ril/issue-tracker#assign-to
賓語:
https://users.rdfinference.org/ril/issue-tracker#uogbuji

主語:
#anonymous:402000d-403-309-c01-9080a205
謂語:
https://XMLns.rdfinference.org/ril/issue-tracker#body
賓語:
Correct all to use the "0/1" form in the next draft.

主語:
#anonymous:402000d-403-309-c01-9080a205
謂語:
https://XMLns.rdfinference.org/ril/issue-tracker#assign-to
賓語:
https://users.rdfinference.org/ril/issue-tracker#uogbuji

有了這些三元組,別人想問的問題就很好懂了:「指派給使用者 uogbuji 的操作識別碼是什麼?」以及「每個動作的主體是什麼?」。把第一個問題翻成模式比對,就是去找符合下列模式的三元組(這裡的「*」是比對任意值的萬用字元):

主語
謂語
賓語
*
https://XMLns.rdfinference.org/ril/issue-tracker#assign-to
https://users.rdfinference.org/ril/issue-tracker#uogbuji

得到的回應之一,是一條主詞為 #anonymous:a0d010d-f0c-706-20e-80a0407606(代表命中的動作識別碼)的陳述。請注意,這個識別碼是 4RDF 為匿名資源自動生成的——如果資源沒有標識,就由應用程式明確指定一個。緊跟在 anonymous 之後的那串十六進位值,構成一個全球唯一識別碼(UUID)。有了這個識別碼,第二個範例問題就相當於比對下列模式,它會回傳一條受詞為「Organize a vote on this topic」的陳述:

主語
謂語
賓語
#anonymous:a0d010d-f0c-706-20e-80a0407606
https://XMLns.rdfinference.org/ril/issue-tracker#body
*

在這個簡單的想法上繼續疊加,幾乎任何形式的 RDF 查詢——甚至關聯式(SQL)查詢與物件(OQL)查詢的等效寫法——都能寫得出來。

把 RDF 查詢寫成程式

清單 4 的 Python 程式 query1.py,就用 4RDF 把上面這套查詢手法實作出來:靠模式比對讀入 issues.rdf,再印出 uogbuji 所有任務的主體。(如果你不用 Python,當然還有別的 RDF 查詢工具,例如 RDFDb、Jena,或參考資料中「Dave Beckett 的 RDF 資源指南」所列的那些。)

清單 4. 示範 RDF 模型簡易查詢的 Python 程式

from Ft.Rdf import Util
#Returns an RDF model object, and the database instance it uses for
#persistence (in our case, it's just a memory data structure)
model, db = Util.DeserializeFromUri('issues.rdf')
db.begin()
USER_ID_BASE = 'https://users.rdfinference.org/ril/issue-tracker#'
IT_SCHEMA_BASE = 'https://XMLns.rdfinference.org/ril/issue-tracker#'
print 'Actions assigned to uogbuji:'
#None is used as the wild-card
matching_statements = model.complete(None,
 IT_SCHEMA_BASE+'assign-to',
 USER_ID_BASE+'uogbuji'
 )
for statement in matching_statements:
 id = statement.subject
 matching_statements = model.complete(id,
 IT_SCHEMA_BASE+'body',
 None
 )
 body = matching_statements[0].object
 print "*", body
db.commit()

清單 4 先把 RDF 從 issues.rdf 讀進來(反序列化);接著查詢「指派給 uogbuji 的是哪些操作」;然後用每條陳述的主詞(動作識別碼)去查該動作的內容。如果你已裝好 Python 與 4Suite,執行結果如下:

$ Python query1.py
Actions assigned to uogbuji
* Organize a vote on this topic
* Correct all to use the "0/1" form in the next draft.

這是 RDF 模型查詢最底層的寫法,因此有些繁瑣。清單 5 的 query2.py 走了一點捷徑,直接問出相關的主詞與受詞,功能與清單 4 相同,但程式短得多。

清單 5. 精簡後的查詢程式

from Ft.Rdf import Util
#Returns an RDF model object, and the database instance it uses for
#persistence (in our case, it's just a memory data structure)
model, db = Util.DeserializeFromUri('issues.rdf')
db.begin()
USER_ID_BASE = 'https://users.rdfinference.org/ril/issue-tracker#'
IT_SCHEMA_BASE = 'https://XMLns.rdfinference.org/ril/issue-tracker#'
print 'Actions assigned to uogbuji:'
actions = Util.GetSubjects(model, IT_SCHEMA_BASE+'assign-to',
 USER_ID_BASE+'uogbuji')
for action in actions:
 body = Util.GetObject(model, action, IT_SCHEMA_BASE+'body')
 print "*", body
db.commit()

清單 5 裡仍有兩層查詢。若能一次請求就把多個查詢結合起來會更方便也更有效率——靠 RDF 推論語言(RDF Inference Language,RIL)是有可能的,這個主題將在後續專欄討論。(順帶一提,範例問題追蹤器的資料中已經參考了 RIL 的開放規格草案。)清單 6 示範了走與不走 API 捷徑,執行同一件事的結果。

清單 6. 與清單 5 同義的精簡查詢工作階段

$ Python query2.py
Actions assigned to uogbuji
* Organize a vote on this topic
* Correct all to use the "0/1" form in the next draft.

RDF 查詢並不一定得對中介資料陳述做精確比對,多數查詢語言都提供了可觀的彈性。作為範例,清單 7(query3.py)的 Python 程式改用正則表達式查詢,找出所有指派給 uogbuji、且動作內容含有字串「vote」的操作。

同樣地,若改用 RIL,清單 7 的程式碼會縮成一個單純查詢而且更有效率(下一篇專欄會談)。清單 8 則示範了查詢中使用正則表達式的實際過程。

清單 8. 查詢中使用正則表達式的工作階段

$ Python query3.py
Actions assigned to uogbuji
* Organize a vote on this topic

下一步

本篇示範了如何把示範問題追蹤器應用程式的各個片段拼成完整的 RDF 模型,並舉例說明這個模型的基本查詢。下一篇,我們要來碰一項豐富的特性——它讓 RDF 的威力得以用很低的成本被榨取出來。

XML學習教程| jQuery入門知識| AJAX入門| Dreamweaver教程| Fireworks入門知識| SEO技巧| SEO優化集錦|
Copyright © DIV+CSS佈局教程網 All Rights Reserved