Java 用jena对Turtle语法进行流解析

我有一个问题，即使经过几个小时的搜索，我也找不到合适的解决方案。我想用海龟语法（~8GB）解析一个巨大的RDF文档。这就是为什么我选择了jena riot提供的流方法，即。 我正在处理的文件使用了无效的URI，其中包含空格。这将引发一个致命异常，解析将停止。我想承认这些 前面的URI无效，请跳过整个语句，因为它无论如何都没有用处。我已经尝试了从中提出的解决方案，但是由于在发出三元组之前出现了异常，因此它无法按预期工作。有没有人知道我错在哪里，或者我必须找到另一个解决方案？请参见我正在使用的示例代码：

import org.apache.jena.atlas.lib.Sink;
import org.apache.jena.graph.Triple;
import org.apache.jena.riot.system.StreamRDF;
import org.apache.jena.riot.system.StreamRDFLib;
import org.apache.jena.riot.system.StreamRDFWrapper;
import org.apache.jena.riot.system.SyntaxLabels;
import org.apache.jena.sparql.core.Quad;
import org.apache.jena.riot.RDFDataMgr;
import org.apache.jena.riot.out.SinkQuadOutput;

import java.io.File;
import java.io.FileNotFoundException;
import java.io.FileOutputStream;
import java.io.OutputStream;

public class JenaStreamWrapper extends StreamRDFWrapper {

    public static void main(String... argv) throws FileNotFoundException {
        String filename = "file.ttl";
        OutputStream outputStream = new FileOutputStream(new File("file.nq"));
        StreamRDF filtered = new JenaStreamWrapper(StreamRDFLib.writer(outputStream));
        RDFDataMgr.parse(filtered, filename);
    }

    public JenaStreamWrapper(StreamRDF other) {
        super(other);
    }

    @Override
    public void triple(Triple triple) {
        if ((triple.getSubject().isURI() && triple.getSubject().getURI().contains(" "))
                || (triple.getObject().isURI() && triple.getObject().getURI().contains(" ")))
            System.out.println(triple.getSubject().getURI());
        else
            other.triple(triple);
    }
}

下面是从数据集中提取的一些示例语句：

@prefix gndo: <http://d-nb.info/standards/elementset/gnd#> .
@prefix owl: <http://www.w3.org/2002/07/owl#> .
@prefix dnbt: <http://d-nb.info/standards/elementset/dnb/> .

<http://d-nb.info/gnd/117177040> a gndo:DifferentiatedPerson ;
        owl:sameAs <http://viaf.org/viaf/64153583> ;
        gndo:gndIdentifier "117177040" ;
        gndo:oldAuthorityNumber "(DE-588a)117177040" , "(DE-588a)117177040670 BnF" ;
        owl:sameAs <http://d-nb.info/gnd/117177040670 BnF> ;
        dnbt:deprecatedUri "http://d-nb.info/gnd/117177040670 BnF" ;
        gndo:oldAuthorityNumber "(DE-588)117177040670 BnF" ;
        gndo:variantNameForThePerson "Jourdan, Camille" ;
        gndo:variantNameEntityForThePerson _:node1aj1cbug9x62759112 . 

@前缀gndo:。
@前缀owl:。
@前缀dnbt:。
gndo：与众不同的人；
猫头鹰：萨摩亚；
gndo:gndIdentifier“117177040”；
gndo:oldAuthorityNumber“（DE-588a）117177040”和“（DE-588a）117177040670 BnF”；
猫头鹰：萨摩亚；
dnbt:deprecatedUri“http://d-nb.info/gnd/117177040670 BnF”；
gndo:oldAuthorityNumber“（DE-588）117177040670 BnF”；
gndo:variantNameForThePerson“Jourdan，Camille”；
gndo:variantNameEntityForThePerson_uu0;：node1aj1cbug9x62759112。

执行代码时，我收到以下消息：

Exception in thread "main" org.apache.jena.riot.RiotException: [line: 9, col: 55] Bad character in IRI (space): <http://d-nb.info/gnd/117177040670[space]...>
    at org.apache.jena.riot.system.ErrorHandlerFactory$ErrorHandlerStd.fatal(ErrorHandlerFactory.java:136)
    at org.apache.jena.riot.lang.LangEngine.raiseException(LangEngine.java:165)
    at org.apache.jena.riot.lang.LangEngine.nextToken(LangEngine.java:108)
    at org.apache.jena.riot.lang.LangTurtleBase.predicateObjectItem(LangTurtleBase.java:286)
    at org.apache.jena.riot.lang.LangTurtleBase.predicateObjectList(LangTurtleBase.java:280)
    at org.apache.jena.riot.lang.LangTurtleBase.triples(LangTurtleBase.java:249)
    at org.apache.jena.riot.lang.LangTurtleBase.triplesSameSubject(LangTurtleBase.java:190)
    at org.apache.jena.riot.lang.LangTurtle.oneTopLevelElement(LangTurtle.java:46)
    at org.apache.jena.riot.lang.LangTurtleBase.runParser(LangTurtleBase.java:89)
    at org.apache.jena.riot.lang.LangBase.parse(LangBase.java:42)
    at org.apache.jena.riot.RDFParserRegistry$ReaderRIOTLang.read(RDFParserRegistry.java:179)
    at org.apache.jena.riot.RDFDataMgr.process(RDFDataMgr.java:861)
    at org.apache.jena.riot.RDFDataMgr.parse(RDFDataMgr.java:667)
    at org.apache.jena.riot.RDFDataMgr.parse(RDFDataMgr.java:637)
    at org.apache.jena.riot.RDFDataMgr.parse(RDFDataMgr.java:626)
    at org.apache.jena.riot.RDFDataMgr.parse(RDFDataMgr.java:617)
    at zbw.tbl.schemex.additions.JenaStreamWrapper.main(JenaStreamWrapper.java:27)

线程“main”org.apache.jena.riot.RiotException中的异常：[行：9，列：55]IRI中的错误字符（空格）：
位于org.apache.jena.riot.system.ErrorHandlerFactory$ErrorHandlerStd.fatal（ErrorHandlerFactory.java:136）
位于org.apache.jena.riot.lang.LangEngine.raiseException（LangEngine.java:165）
位于org.apache.jena.riot.lang.LangEngine.nextToken（LangEngine.java:108）
位于org.apache.jena.riot.lang.LangTurtleBase.predicateObjectItem（LangTurtleBase.java:286）
位于org.apache.jena.riot.lang.LangTurtleBase.PredicateObject列表（LangTurtleBase.java:280）
位于org.apache.jena.riot.lang.LangTurtleBase.triples（LangTurtleBase.java:249）
位于org.apache.jena.riot.lang.LangTurtleBase.triplesSameSubject（LangTurtleBase.java:190）
位于org.apache.jena.riot.lang.LangTurtle.oneTopLevelElement（LangTurtle.java:46）
位于org.apache.jena.riot.lang.LangTurtleBase.runParser（LangTurtleBase.java:89）
位于org.apache.jena.riot.lang.LangBase.parse（LangBase.java:42）
位于org.apache.jena.riot.RDFParserRegistry$ReaderRIOTLang.read（RDFParserRegistry.java:179）
位于org.apache.jena.riot.RDFDataMgr.process（RDFDataMgr.java:861）
位于org.apache.jena.riot.RDFDataMgr.parse（RDFDataMgr.java:667）
位于org.apache.jena.riot.RDFDataMgr.parse（RDFDataMgr.java:637）
位于org.apache.jena.riot.RDFDataMgr.parse（RDFDataMgr.java:626）
位于org.apache.jena.riot.RDFDataMgr.parse（RDFDataMgr.java:617）
位于zbw.tbl.schemex.additions.JenaStreamWrapper.main（JenaStreamWrapper.java:27）

---

我很感谢你提供的任何有用的意见

我也有同样的问题，但得到的只是警告，而不是致命的异常。我的耶拿版本是3.2.0。为了停止这些警告，我不得不稍微调整Jena代码。我重写了

org.apache.jena.riot.tokens.TokenizerText

类，并将私有静态变量

AllowSpacesInIRI

的值从

false

更改为

true

我也有同样的问题，但只得到警告，没有致命的异常。我的耶拿版本是3.2.0。为了停止这些警告，我不得不稍微调整Jena代码。我重写了

org.apache.jena.riot.tokens.TokenizerText

类，并将私有静态变量

AllowSpacesInIRI

的值从

false

更改为

true

，因为错误消息显示：您的IRI包含一个不允许的空格<代码>应该是

谢谢你的回复，但我知道这一点（见我问题的第四句）。然而，在一般的用例中，在解析之前检查所有错误是不可能的……正如错误消息所说：您的IRI包含一个不允许使用的字符的空格<代码>应该是

谢谢你的回复，但我知道这一点（见我问题的第四句）。但是，在一般用例中，在解析之前检查所有错误是不可能的……请以代码样式编写关键字，如

private static

。阅读这篇文章会有很大帮助，让你的问题和答案更具可读性。请用代码风格写一些关键字，如

private static

。阅读这篇文章会有很大帮助，让你的问题和答案更具可读性。