如何从命令行解析rdf格式文件

Question

我想解析install.rdf内部文件uBlock0.firefox-legacy.xpi文件。

我想要得到的em:id，em:name，em:version，em:description并em:homepageURL从install.rdf这样的文件：

em:id           uBlock0@raymondhill.net
em:name         uBlock Origin
em:version      1.16.4.10
em:description  Finally, an efficient blocker. Easy on CPU and memory.
em:homepageURL  https://github.com/gorhill/uBlock

编辑1：xmllint无法解析install.rdf文件：

em:id           uBlock0@raymondhill.net
em:name         uBlock Origin
em:version      1.16.4.10
em:description  Finally, an efficient blocker. Easy on CPU and memory.
em:homepageURL  https://github.com/gorhill/uBlock

我怎样才能做到这一点 ？

Answer 1

这是一个RDF / XML文件。RDF / XML解析器可以将文件解析为RDF图，然后可以使用SPARQL查询来提取所需的信息。一个简单的SPARQL查询将是：

SELECT * { <urn:mozilla:install-manifest> ?property ?value }

但这返回的属性比问题中列出的更多。结果可以像这样被限制：

PREFIX em: <http://www.mozilla.org/2004/em-rdf#>
SELECT * {
    VALUES (?property) { (em:id) (em:name) (em:version) (em:description) (em:homepageURL) }
    <urn:mozilla:install-manifest> ?property ?value
}

我们可以将此查询存储在文件中，query.sparql以备后用。

使用Apache Jena

RDF / XML和SPARQL是W3C标准，具有许多实现。我倾向于使用Apache Jena，这是一个基于Java的RDF框架，它带有sparql命令行工具。通过简单的查询，可以这样调用它：

SELECT * { <urn:mozilla:install-manifest> ?property ?value }

支持多种输出格式（请参阅参考资料sparql --help）。TSV（制表符分隔）是进行进一步处理的不错选择。使用之前保存的查询文件，可以这样调用它：

PREFIX em: <http://www.mozilla.org/2004/em-rdf#>
SELECT * {
    VALUES (?property) { (em:id) (em:name) (em:version) (em:description) (em:homepageURL) }
    <urn:mozilla:install-manifest> ?property ?value
}

输出：

sparql --data install.rdf "SELECT * { <urn:mozilla:install-manifest> ?property ?value }"

与拉斯卡尔

另一个选择是Rasqal，它是Redland RDF库的一部分。Rasqal不需要运行JVM，可以通过常规的程序包管理器进行安装，但是与Jena相比，它有点麻烦。它带有一个称为的命令行工具roqet：

sparql --data install.rdf --query query.sparql --results TSV --quiet

输出与sparql上面相同。