SPARQL简易入门

最近在学习图数据库的基础知识。本文将参考 《Learning SPARQL: querying and updating with SPARQL 1.1》这本书，简单介绍 RDF 数据查询语言 SPARQL。主要内容如下：

1. SPARQL简介
2. SPARQL 基本语法
3. SPARQL 常见关键字
4. SPARQL 常见函数

SPARQL 简介

SPARQL（SPARQL Protocol and RDF Query Language）是一种数据查询语言。它不仅仅支持查询 RDF 数据，也可以在部分关系型数据库中对数据库进行数据操作。

基本语法

SPARQL 的语法与 SQL 很类似，也有许多不同之处。下面将简要介绍 SPARQL 的基本语法。

符号

变量和常量（字符串、数字及URI）

在 SPARQL 语句中，通常以 ？变量名 表示变量；而常量一般为字符串、数字及 URI，其中 URI 由尖括号（< >）包裹。

标点符号

• 逗号（,）与分号（;）

与 RDF Turtle 序列化格式类似，; 代表下一个三元组与当前三元组拥有相同的主语，, 代表下一个三元组与当前三元组拥有相同的主语和谓语。

• 井号（#）

在 SPARQL 脚本文件中（文件后缀名为 .rq），# 为注释标记。

• 尖括号（< >）

尖括号常用来包裹 URI。

• 星号（*）与加号（+）

星号和加号常用于查询的正则匹配。在正则匹配中，星号代表零个或多个，加号代表一个或多个。例如，假设有一个论文相互引用的关系图，那么 ?s c:cites :paperA 中的 ？s 则代表所有一次直接引用 :paperA 的论文；而 ?s c:cites+ :paperA 中的 ?s则在前者的基础之上，进一步包含了间接引用 :paperA 的论文。

此外，与 SQL 相同，查询子句 SELECT * 中的星号代表所有数据。

• 叹号（!）

叹号用于布尔条件判断中的否定词。

• 脱字符（^）

脱字符在 SPARQL 中可用来修饰谓语，用来反转主语与宾语之间的关系。例如，假设有一个三元组 s p o; ，那么 o ^p s; 将与之等价（主宾颠倒）。

• 斜杠（/）

斜杠用来分隔几个连续的谓语，例如，?s c:cites/c:cites/c:cites :paperA 中 ?s 代表与 :paperA 引用属性距离为 3 的所有论文。

语句

查询

SPARQL 支持多种关键词查询数据。这些关键词包括 SELECT 、CONSTRUCT 、DESCRIBE 、 ASK 。

• SELECT 查询结果返回一个二维表（与 SQL 中 SELECT 类似），其语句一般格式如下：

SELECT [DISTINCT] <variable1> [<variable2> ...]
[FROM ...]
WHERE
{
    triple pattern 1.
    [triple pattern 2.]
    ...
    [附加条件...]
}
[OFFSET 数字]
[LIMIT 数字]
[ORDER BY | GROUP BY ...]

• CONSTRUCT 查询结果返回一个 RDF 图（三元组集合），其语句一般格式如下：

CONSTRUCT 
{ 
    triple pattern .
    ...
} 
WHERE 
{ 
    triple pattern . 
    ...
}

关于 CONSTRUCT 更多用法请参看 W3C Recommendation

• ASK 查询结果返回真或者假，表示 RDF 数据中是否存在指定模式的三元组，其语句一般格式如下：

ASK  
{ 
    triple pattern .
}

• DESCRIBE 查询结果返回对指定数据的资源描述（以 RDF 图的形式存储），该图的结果由 SPARQL 处理器决定（也就是说，不同 SPARQL 处理器运行同一条 DESCRIBE 查询语句，可能会有不同的结果），其语句一般格式如下：

DESCRIBE <variable1>|<IRI1> [<variable2>|<IRI2> ...]
WHERE 
{
    triple pattern .
}

关于 DESCRIBE 更多用法请参看 W3C Recommendation

URLs, URN，URIs，IRIs

• URL（Uniform Resource Locator）：用于指明网络资源的位置。
• URN（Universal Resource Name）：用于指明网络资源的名称。
• URI（Universal Resource Identifier）：用于唯一指定资源，包含 URL 和 URN（很少在用）。
• IRI（Internationalized Resource Identifier）：IRI 是 URI，但是可包含更广泛的字符（如中文等）

增加（TBD）

更新（TBD）

删除（TBD）

常见关键字

WHERE

WHERE 用于指明查询条件，例如：

# filename: ex003.rq

PREFIX ab: <http://learningsparql.com/ns/addressbook#> 

SELECT ?craigEmail
WHERE
{ ab:craig ab:email ?craigEmail . }

DISTINCT

和 SQL 一样，DISTINCT 用于消去查询结果中重复的数据项：

# filename: ex092.rq

SELECT DISTINCT ?p 
WHERE
{ ?s ?p ?o . }

上述查询将会返回数据集中所有不重复的属性名称。当遇到一个新的数据集时，建议执行该脚本，从而初步认识该数据集。

FROM

FROM 关键字常用于指明数据集所在位置，有以下两种形式：

• FROM <URI>

# filename: ex123.rq

PREFIX ab: <http://learningsparql.com/ns/addressbook#> 

SELECT ?email 
FROM <ex069.ttl>
FROM <ex122.ttl>
WHERE
{ ?s ab:email ?email . }

例如，上述 SPARQL 脚本文件从 <ex069.ttl> 和 <ex122.ttl> 文件中查询数据

• FROM NAMED

FROM NAMED 为提供了在 Named Graph 中查询数据的功能。下面是一个具体的例子：

# filename: ex126.rq

PREFIX ab: <http://learningsparql.com/ns/addressbook#>

SELECT ?lname ?courseName 
FROM <ex069.ttl> 
FROM NAMED <ex125.ttl>
FROM NAMED <ex122.ttl>   # unnecessary

WHERE
{
  { ?student ab:lastName ?lname }
  UNION
  { GRAPH <ex125.ttl> { ?course ab:courseTitle ?courseName } }
}

该查询包含三个数据集，一个是通过 FROM <URI> 指定，另外两个以 FORM NAMED 指定。在 WHERE 查询条件中，GRAPH <ex125.ttl> 说明下面一条三元组模式将仅在 <ex125.ttl> 中查找；如不指定 GRAPH <URI> ，则从 FROM <URI> 中查找。

FROM <URI> V.S. FROM NAMED

• 在使用 FROM <URI> 的方式指明数据集时，这些数据都会添加到一个默认的 RDF 图（default graph）中以供查询；

• 而 FROM NAMED 则不会将数据集加入到默认的 RDF 图中，需要在 WHERE 额外声明 GRAPH <URI> 才能仅在该 Named Graph 中查询数据。

GRAPH

GRAPH 常与 FROM NAMED 配合使用，用于指明下一个模式只在 GRAPH 指定的数据集中查询（例子见本文 FROM NAMED 部分）。

OPTIONAL

关键词 OPTIONAL 的含义是，如果存在的话，请返回该值，否则返回为空。例如：

# filename: ex057.rq

PREFIX ab: <http://learningsparql.com/ns/addressbook#> 

SELECT ?first ?last ?workTel
WHERE
{
  ?s ab:firstName ?first ;
     ab:lastName ?last .
  OPTIONAL 
  { ?s ab:workTel ?workTel . }
}

上述脚本查询了一个通讯录，无论其是否有工作电话这个属性（如果没有，将该值置空即可），都返回其名、姓和工作电话的值。

一个查询脚本可有多个 OPTIONAL 子句，并且一个 OPTIONAL 子句可有多个匹配模式。值得注意的是，查询处理将先后处理 OPTIONAL 子句中的条件。利用这个特性，我们可以完成下列查询：优先返回每个人的昵称，如果没有则返回其名。查询脚本示例如下：

# filename: ex063.rq

PREFIX ab: <http://learningsparql.com/ns/addressbook#> 

SELECT ?first ?last
WHERE
{
  ?s ab:lastName ?last . 
  OPTIONAL { ?s ab:nick ?first . }
  OPTIONAL { ?s ab:firstName ?first . }
}

FILTER 、 FILTER NOT EXISTS 及 MINUS

• FILTER

FILTER 意为筛选，顾名思义，其功能就是筛选出满足某种条件的数据。FILTER 接受一个结果为布尔量的输入：如果该布尔量为真，则选出；否则，不选。

# filename: ex105.rq

PREFIX dm: <http://learningsparql.com/ns/demo#> 

SELECT ?s ?cost
WHERE
{
  ?s dm:cost ?cost .
  FILTER (?cost < 10)
}

上述查询就筛选出花费小于 10 的项目和具体花费。

• FILTER NOT EXISTS

FILTER NOT EXISTS 是 FILTER 的一种否定表达。例如：

# filename: ex067.rq

PREFIX ab: <http://learningsparql.com/ns/addressbook#> 

SELECT ?first ?last 

WHERE
{
  ?s ab:firstName ?first ;
     ab:lastName ?last .
  FILTER NOT EXISTS { ?s ab:workTel ?workNum }
}

上述查询就筛选出没有工作电话的人的名和姓。

• MINUS

MINUS 表示在查询结果中减去满足某种模式的数据。那么，筛选出没有工作电话的人的名和姓也可以通过 MINUS 实现：

# filename: ex068.rq

PREFIX ab: <http://learningsparql.com/ns/addressbook#> 

SELECT ?first ?last 

WHERE
{
  ?s ab:firstName ?first ;
     ab:lastName ?last .
  MINUS { ?s ab:workTel ?workNum }

UNION

通过 UNION 关键字，我们可以合并不同模式匹配到的结果。例如下列查询使用了 UNION 得到了会演奏萨克斯或者小号的人的名、姓和能够演奏的乐器：

# filename: ex103.rq

PREFIX ab: <http://learningsparql.com/ns/addressbook#>

SELECT ?first ?last ?instrument 
WHERE
{
    ?person ab:firstName ?first ;
            ab:lastName ?last ;
            ab:instrument ?instrument . 

    { ?person ab:instrument "sax" . }

    UNION

    { ?person ab:instrument "trumpet" . }

}

（NOT）IN

IN 关键字用来判断指定变量是否在指定枚举集合中：

# filename: ex109.rq

PREFIX dm:  <http://learningsparql.com/ns/demo#>
PREFIX db: <http://dbpedia.org/resource/>

SELECT ?s ?cost ?location
WHERE
{
  ?s dm:location ?location ;
     dm:cost ?cost . 
  FILTER (?location IN (db:Montreal, db:Lisbon)) . 
}

上述 FILTER 过滤条件为：地点是否在蒙特利尔或者里斯本。如果在，则选出，否则不选。

NOT IN 为 IN 的否定形式。

LIMIT 及 OFFSET

• LIMIT

LIMIT 用于限定返回数据显示的数量：

# filename: ex116.rq

PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#>

SELECT ?label 
WHERE
{ ?s rdfs:label ?label . }
LIMIT 2

• OFFSET

OFFSET 用于指定数据在返回数据的偏移量（即显示第几个数据）：

# filename: ex118.rq

PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#>

SELECT ?label 
WHERE
{ ?s rdfs:label ?label . }
OFFSET 3

ORDER BY 和 GROUP BY [HAVING <条件>]

• ORDER BY

关键词 ORDER BY 告诉查询处理器，按照指定变量对返回结果进行排序（默认升序，降序需指明 DESC(?变量名)）:

# filename: ex146.rq

PREFIX e: <http://learningsparql.com/ns/expenses#>

SELECT ?description ?date ?amount
WHERE
{
  ?meal e:description ?description ;
        e:date ?date ;
        e:amount ?amount . 
}

ORDER BY ?amount

# filename: ex148.rq

PREFIX e: <http://learningsparql.com/ns/expenses#>

SELECT ?description ?date ?amount
WHERE
{
  ?meal e:description ?description ;
        e:date ?date ;
        e:amount ?amount . 
}

ORDER BY DESC(?amount)

• GROUP BY

GROUP BY 会将返回结果按照指定规则分组，可用 HAVING <条件> 做进一步条件限定：

# filename: ex164.rq

PREFIX e: <http://learningsparql.com/ns/expenses#> 

SELECT ?description (SUM(?amount) AS ?mealTotal)
WHERE
{
  ?meal e:description ?description ;
        e:amount ?amount . 
}
GROUP BY ?description
HAVING (SUM(?amount) > 20)

AS

AS 用于给数据起名字，例如：

# filename: ex139.rq

PREFIX e: <http://learningsparql.com/ns/expenses#> 

SELECT ?description ?amount ((?amount * .2) AS ?tip) 
       ((?amount + ?tip) AS ?total)
WHERE
{
  ?meal e:description ?description ;
        e:amount ?amount . 
}

BIND

BIND 用于给变量赋值。常见用法为 BIND (数字计算 AS ?变量名)

# 来源：https://www.w3.org/TR/sparql11-query/#bind

PREFIX  dc:  <http://purl.org/dc/elements/1.1/>
PREFIX  ns:  <http://example.org/ns#>

SELECT  ?title ?price
{  { ?x ns:price ?p .
     ?x ns:discount ?discount
     BIND (?p*(1-?discount) AS ?price)
   }
   {?x dc:title ?title . }
   FILTER(?price < 20)
}

VALUES

VALUES 提供了更方便的过滤数据的方式。其一般格式如下：

VALUES(?变量名1 [?变量名2 ...])
{
    （变量名1应取值 [?变量名2应取值 ...]）
    （变量名1应取值 [?变量名2应取值 ...]）
     ...
}
# 当条件仅有一个变量时，小括号可以省略

将 VALUES 子句放在 WHERE 条件中，就可以筛选出变量名满足指定取值的数据：

# filename: ex498.rq

PREFIX e: <http://learningsparql.com/ns/expenses#> 

SELECT ?description ?date ?amount
WHERE
{
  ?meal e:description ?description ;
        e:date ?date ;
        e:amount ?amount . 

  VALUES (?date ?description) {
         ("2011-10-15" "lunch") 
         ("2011-10-16" "dinner")
  } 

}

上述查询则会从返回结果中过滤出 2011-10-15 的午饭和 2011-10-16 的晚饭的相关数据。

UNDEF

UNDEF 关键词代表任意值。下面一个例子返回结果满足这样的条件：任意时间下满足 ?description 为 "lunch"的数据，以及任意 ?description 下时间为 "2011-10-16" 的数据。

# filename: ex500.rq

PREFIX e: <http://learningsparql.com/ns/expenses#> 

SELECT ?description ?date ?amount
WHERE
{
  ?meal e:description ?description ;
        e:date ?date ;
        e:amount ?amount . 

  VALUES (?date ?description) {
         (UNDEF "lunch") 
         ("2011-10-16" UNDEF) 
  }
}

SERVICE

要查询远端的数据，一种方式是直接在 FROM 关键字之后指明 RDF 文件 URI：

# filename: ex166.rq

PREFIX dc: <http://purl.org/dc/elements/1.1/>

SELECT ?title
FROM <http://dig.csail.mit.edu/2008/webdav/timbl/foaf.rdf>
WHERE { ?s dc:title ?title .}

除了 FROM <URI> 查询远端的 RDF 序列化文件，我们还可以用 SERVICE 关键字访问远端的数据：

# filename: ex167.rq

PREFIX cat:     <http://dbpedia.org/resource/Category:>
PREFIX skos:    <http://www.w3.org/2004/02/skos/core#>
PREFIX rdfs:    <http://www.w3.org/2000/01/rdf-schema#>
PREFIX owl:     <http://www.w3.org/2002/07/owl#>
PREFIX foaf:    <http://xmlns.com/foaf/0.1/>

SELECT ?p ?o 
WHERE
{
  SERVICE <http://DBpedia.org/sparql>
  { SELECT ?p ?o 
    WHERE { <http://dbpedia.org/resource/Joseph_Hocking> ?p ?o . }
  }
}

# filename: ex170.rq

PREFIX rdf:  <http://www.w3.org/1999/02/22-rdf-syntax-ns#>
PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#>
PREFIX gp:   <http://wifo5-04.informatik.uni-mannheim.de/gutendata/resource/people/>

SELECT ?p ?o 
WHERE
{ 
  SERVICE <http://wifo5-04.informatik.uni-mannheim.de/gutendata/sparql>
  { gp:Hocking_Joseph ?p ?o . }
}

亦可从多个远端数据源联合查询：

# filename: ex172.rq

PREFIX cat:  <http://dbpedia.org/resource/Category:>
PREFIX foaf: <http://xmlns.com/foaf/0.1/>
PREFIX gp:   <http://wifo5-04.informatik.uni-mannheim.de/gutendata/resource/people/>
PREFIX owl:  <http://www.w3.org/2002/07/owl#>
PREFIX rdf:  <http://www.w3.org/1999/02/22-rdf-syntax-ns#>
PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#>
PREFIX skos: <http://www.w3.org/2004/02/skos/core#>

SELECT ?dbpProperty ?dbpValue ?gutenProperty ?gutenValue 
WHERE
{
  SERVICE <http://DBpedia.org/sparql>
  {
    <http://dbpedia.org/resource/Joseph_Hocking> ?dbpProperty ?dbpValue .
  }

  SERVICE <http://wifo5-04.informatik.uni-mannheim.de/gutendata/sparql>
  {
    gp:Hocking_Joseph ?gutenProperty ?gutenValue . 
  }
}

注意：由于SERVICE 方式的远端查询在服务器端执行， SERVICE 后的 URI 应是远端 SPARQL 执行入口。

常见函数

MAX()、MIN()、AVG()、SUM()、COUNT()

这些聚集函数与 SQL 中类似，不再赘述。

总结

本文主要介绍了 SPARQL 语言的功能和基本语法，要点如下：

• 在 SPARQL 语句中，通常以 ？变量名 表示变量；而常量一般为字符串、数字及 URI，其中 URI 由尖括号（< >）包裹。
• SPARQL 中使用了多种标点符号，具有丰富的含义。
• SPARQL 支持多种关键词查询数据。这些关键词包括 SELECT 、CONSTRUCT 、DESCRIBE 、 ASK 。
• SPARQL 提供了很多关键字，能够表达复杂的查询任务。
• SPARQL 支持许多强大的函数，提高了其易用性。

参考资料

• Bob DuCharme. Learning SPARQL: querying and updating with SPARQL 1.1
• SPARQL 1.1 Query Language W3C Recommendation.

推荐阅读

• Introduction to: SPARQL