SPARQL常用查询

查看查询结果戳DBPedia sparql endpoint
PREFIX定义如下:

PREFIX prop: <http://dbpedia.org/property/>
PREFIX ont: <http://dbpedia.org/ontology/>
PREFIX res: <http://dbpedia.org/resource/>

查询所有谓词

SELECT DISTINCT ?p
WHERE {
    ?s ?p ?o. #WHERE中只有一句条件的时候.可省略
}

一个类似的需求是查询所有属性

SELECT COUNT DISTINCT ?prop 
WHERE {
  ?prop a rdf:Property #a是rdf:type的简写
}
ORDER BY ?prop #可选,只是为了展示ORDER BY的语法

查询一个类的所有子类

select ?p { #WHERE在sparql中可省略
    ?p rdfs:subClassOf* ont:Person . #加*表示此步操作需要迭代进行,不仅查找Person的子类还查找子类的子类;去掉*则只查找Person的子类
}

类似的查询一个类的所有超类

select ?p {
    ont:Actor rdfs:subClassOf* ?p .
}

类似的语法还可以用于查询一个属性的子属性

select ?p { 
    ?p rdfs:subPropoertyOf* prop:height . 
}

列出一个类的所有属性

select distinct ?property where { 
   ?property rdfs:domain ont:Actor.
}

子查询(列出所有有生卒年份记载的声优的相关事实)

SELECT DISTINCT ?birth ?death ?actor ?p ?o 
WHERE{
  ?actor ?p ?o.
  {
    SELECT DISTINCT ?actor ?birth ?death
    WHERE {
      ?actor rdf:type ont:VoiceActor .
      ?actor prop:birthDate ?birth.
      ?actor prop:deathDate ?death. 
    } 
  }
}

使用FILTER正则匹配

SELECT DISTINCT ?p
WHERE {
  ?p a rdf:Property.
  ?s ?p ?o.
  FILTER (REGEX(str(?p), "date", "i"))  # "i"代表大小写不敏感,匹配?p中出现date
}

显示所有的named graph

SELECT DISTINCT ?g {
GRAPH ?g {}
}

MINUS只显示一些有用的predicate

select *
{
  {
    term: ?p ?o.
    MINUS {term: owl:sameAs ?o}
    MINUS {term: rdf:type ?o}
    MINUS {term: rdfs:label ?o}
    MINUS {term: rdfs:comment ?o}
    MINUS {term: ont:abstract ?o}
    MINUS {term: dct:subject ?o}
  }
  UNION
  {
    ?s ?p term:
    MINUS {?s ont:wikiPageRedirects term:}
  }
}

聚合语句的写法(显示配偶信息大于1条的演员)

SELECT ?s, (COUNT(?s) AS ?cnt)
{
?s a ont:Actor.
?s prop:spouse ?o.
FILTER(isLiteral(?o))
}
GROUP BY ?s
HAVING (COUNT(?s) > 1)

使用VALUES关键词一次给一个变量赋多个值(返回wikidata对应的dbpedia实体的信息)

PREFIX wd: <http://www.wikidata.org/entity/>
select DISTINCT * { 
  VALUES ?x {wd:Q309486 wd:Q4653 wd:Q76}
  ?s owl:sameAs ?x .     
  ?s ?p ?o .
  FILTER(STRSTARTS(STR(?p), "http://dbpedia.org/") )
}
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 157,298评论 4 360
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 66,701评论 1 290
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 107,078评论 0 237
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 43,687评论 0 202
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,018评论 3 286
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,410评论 1 211
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,729评论 2 310
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,412评论 0 194
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,124评论 1 239
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,379评论 2 242
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,903评论 1 257
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,268评论 2 251
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,894评论 3 233
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,014评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,770评论 0 192
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,435评论 2 269
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,312评论 2 260

推荐阅读更多精彩内容