Rdf 尝试加载带有tdb2.tdbloader的Wikidata truthy-latest.nt会导致代码：58/用户中存在禁止的组件

使用Apache Jena Fuseki，我试图从中加载最新的truthy.nt数据集，但在尝试导入文件时出现以下错误。从他们成功的地方获得的成功中获得灵感

错误日志：

14:36:16信息加载器：：添加：198.500.000最新版本-truthy.nt（批次：453.309/Avg:213.382）
14:36:17错误：错误：[行：198884173，列：87]错误IRI:代码：58/用户中存在禁止的组件：存在方案禁止的组件。
org.apache.jena.riot.RiotException:[行：198884173，列：87]错误的IRI:代码：58/用户中存在禁止的组件：存在方案禁止的组件。
位于org.apache.jena.riot.system.ErrorHandlerFactory$ErrorHandlerStd.error（ErrorHandlerFactory.java:146）
位于org.apache.jena.riot.system.ParserProfileStd.internalMakeIRI（ParserProfileStd.java:112）
位于org.apache.jena.riot.system.ParserProfileStd.resolveIRI（ParserProfileStd.java:85）
位于org.apache.jena.riot.system.ParserProfileStd.createURI（ParserProfileStd.java:187）
位于org.apache.jena.riot.system.ParserProfileStd.create（ParserProfileStd.java:259）
位于org.apache.jena.riot.lang.LangNTriples.tokenAsNode（LangNTriples.java:70）
位于org.apache.jena.riot.lang.LangNTuple.parsetree（LangNTuple.java:109）
位于org.apache.jena.riot.lang.LangNTriples.parseOne（LangNTriples.java:61）
位于org.apache.jena.riot.lang.LangNTriples.runParser（LangNTriples.java:53）
位于org.apache.jena.riot.lang.LangBase.parse（LangBase.java:43）
位于org.apache.jena.riot.RDFParserRegistry$ReaderRIOTLang.read（RDFParserRegistry.java:184）
位于org.apache.jena.riot.RDFParser.read（RDFParser.java:357）
位于org.apache.jena.riot.RDFParser.parseURI（RDFParser.java:323）
位于org.apache.jena.riot.RDFParser.parse（RDFParser.java:298）
位于org.apache.jena.riot.RDFParserBuilder.parse（RDFParserBuilder.java:550）
位于org.apache.jena.tdb2.loader.base.LoaderOps.inputFile（LoaderOps.java:107）
位于org.apache.jena.tdb2.loader.base.LoaderBase.loadOne（LoaderBase.java:125）
位于org.apache.jena.tdb2.loader.base.LoaderBase.lambda$load$0（LoaderBase.java:102）
位于java.base/java.util.ArrayList.forEach（ArrayList.java:1541）
在org.apache.jena.tdb2.loader.base.LoaderBase.load（LoaderBase.java:99）上
位于tdb2.tdbloader.lambda$execBulkLoad$4（tdbloader.java:196）
位于org.apache.jena.atlas.lib.Timer.time（Timer.java:85）
位于tdb2.tdbloader.execBulkLoad（tdbloader.java:194）
位于tdb2.tdbloader.loadQuads（tdbloader.java:175）
位于tdb2.tdbloader.exec（tdbloader.java:136）
位于org.apache.jena.cmd.CmdMain.main方法（CmdMain.java:92）
位于org.apache.jena.cmd.CmdMain.mainRun（CmdMain.java:58）
位于org.apache.jena.cmd.CmdMain.mainRun（CmdMain.java:45）
位于tdb2.tdbloader.main（tdbloader.java:64）

要导入的脚本：

@ECHO关闭
cd apache-jena-4.0.0
echo在%DATE%%TIME%开始导入
tdb2\u tdbloader--loader=parallel--loc“C:\fuseki\data”F:\latest truthy.nt“>tdb2-out.log 2>tdb2-err.log
echo在%DATE%%TIME%完成导入
暂停

文件结构：

- C:/fuseki/
-- apache-jena-4.0.0/
-- apache-jena-fuseki-4.0.0/
-- data/
-- startfusekidb.bat
-- wikidata2fuseki.bat

- F:/
-- latest-truthy.nt

这是Fuseki的问题吗？我无法亲自打开.nt文件来删除该问题。我是否可以使用任何标志，使其跳过tdbloader对给定导入的验证

我还在维基数据的IRC频道上问这个问题，看看他们是否能帮助我

更新： 我从IRC的人那里得到了答案，他们告诉我数据集中存在大量错误，所以我知道需要找到一种方法跳过与错误相关的行并继续加载。但是他们没有表现出任何帮助

同时尝试--help输出以下内容，从而表明不存在跳过

c:\fuseki\apache-jena-4.0.0\bin>tdb2\u tdbloader-h
tdbloader--loader=[--desc数据集|--loc DIR]文件。。。
位置
--loc=目录位置（一个目录）
--tdb=汇编程序描述文件
--graph=IRI对命名图执行操作
--加载器=要使用的加载器：“基本”、“分阶段”（默认）、“顺序”、“并行”或“轻”
--syntax=来自stdin的数据的LANG语法
符号定义
--将配置符号设置为值
--mem=在内存TDB数据库上执行的文件（用于测试）
--desc=汇编程序描述文件
一般的
-v——冗长的
-q——以最小输出安静运行
--用于调试的调试输出信息
--帮助
--版本信息
--严格在严格SPARQL模式下操作（没有任何类型的扩展）

我认为tdbloader没有跳过无效三元组的选项。有一些关于这方面的讨论，例如，还有一些可能与您相关的讨论。这意味着，使用版本

4.1.0

时，解析器可能会更轻松。因此，也许从Github查看最新的开发版本并在本地构建它可以解决您的问题。我将首先尝试4.1.0中的新加载程序，然后我最好的步骤是将Wikidata数据集转换为turtle，例如（由于某些原因，我无法以文本形式打开.nt文件）。然后运行

riot--validate

查看哪些行断开，并手动删除它们。单调乏味，但它应该可以工作。就我所知，使用

4.1.0

应该没有必要过滤这些三元组。解析器/加载程序不应该失败并停止。关于您的另一个问题，您不能打开.nt文件是什么意思？我的意思是，它肯定很大，所以我无论如何都不会打开它。可以通过

sed

或其他有效的Unix工具删除这些行