Wikidata+SPARQL联合使用获取结构化信息数据，用于构建自己的数据集

Wikidata

Wikidata 是一个自由、协作的知识库，它包含了从各种来源收集的信息，这些信息以 RDF（Resource Description Framework）三元组的形式存储。每个三元组包含主体（Subject）、谓语（Predicate）和宾语（Object），这种结构使得数据可以灵活地表示复杂的关系。

链接：https://www.wikidata.org/

SPARQL

SPARQL是一种用于查询RDF（Resource Description Framework，资源描述框架）数据的语言。

Wikidata+SPARQL

使用SPARQL查询获取Wikidata中的结构化数据。

官方文档教程：Wikidata:SPARQL教程 - Wikidata

SPARQL简单实战

常用缩写解释：

wd：实体

• wd：Q10998，potato 

wdt：关系

• wdt:P31，instance of
• wdt:P279，subclass of
• wdt：p366，has use
• wdt：p18，image
• wdt：p105，taxon rank
• wdt：p171，parent taxon

demo演示：

演示网页：https://query.wikidata.org/

SELECT ?cropName ?cropNameLabel
WHERE {
  ?cropName wdt:P31 wd:Q235352.
  SERVICE wikibase:label { bd:serviceParam wikibase:language "en". }
}
LIMIT 100

cropName是一个变量，即所查找的具体作物。

WHERE含义：wdt:p31是instance of，wd:Q235352是crop，即查找crop的所有实例前100个。

SERVICE wikibase:label：返回显示变量的名称，没有这行代码就不显示查找的变量的名称。

wdt:P31/wdt:P279*

SELECT ?dish ?dishLabel
WHERE {
  ?dish wdt:P31/wdt:P279* wd:Q746549.  
  SERVICE wikibase:label { bd:serviceParam wikibase:language "[AUTO_LANGUAGE],en". }
}
LIMIT 100

含义：表示查询符合先是 P31 类型（实例）后再是 P279* 子类递归关系的实体。即，它会先确定实体属于某个类，然后再查找该类的子类。是按层次结构进行的逐步筛选。

举个例子：如果查询一个“菜肴”类的实例，它会先找到菜肴类的所有实例，然后再找该类的子类（如果有的话），并包括这些子类下的实例。

查找顺序：严格按照顺序，先查实例类型，再查其子类。

(wdt:P31|wdt:P279*)

SELECT ?dish ?dishLabel
WHERE {
  ?dish (wdt:P31|wdt:P279*) wd:Q746549.  
  SERVICE wikibase:label { bd:serviceParam wikibase:language "[AUTO_LANGUAGE],en". }
}
LIMIT 100

# (P31 是instance of，P279 是subclass of，Q746549是dish)

含义：查询既是 dish 的实例，也可以是 dish 的子类，* 表示可以递归查询子类。表示查询实例是某个类的实例 或者 该实体是某个类的子类。换句话说，它会同时查找属于菜肴类的实例和所有作为菜肴类子类的实体（这两者是并列的，不要求顺序）。

举个例子：查询的是菜肴类的实例或它的子类的实例，结果会同时包括菜肴类的所有实例和所有子类实例。

查找顺序：表示或操作，会查找既是实例又是子类的所有实体。

两者区别

为了更好地帮助你理解这两种表达式的查询顺序和结果，我们可以通过图示来阐明。以下是对两种查询表达式（wdt:P31/wdt:P279* 和 (wdt:P31|wdt:P279*)）的查找顺序以及它们的查询结果的可视化解释。

1. wdt:P31/wdt:P279* 查询

这种查询的含义是：

• wdt:P31：查询实体是某个类的实例。
• wdt:P279*：然后查询这个类及其所有子类，并递归查找子类。

查询顺序：

1. 先查找某个实体是否是 dish 类的实例（即是否属于 Q2090 类）。
2. 然后，递归查找该实例所属的类是否是 dish 类的子类（例如：炖菜 stew 是菜肴 dish 类的子类）。

查询示意图：

    Q2090 (dish)  <- 菜肴类
      |
      +-- Q36048 (stew) <- 子类1（炖菜类）
      |       |
      |       +-- Q36049 (beef stew) <- 炖牛肉，实例1
      |       +-- Q36050 (chicken stew) <- 炖鸡肉，实例2
      |
      +-- Q36051 (soup) <- 子类2（汤类）
              |
              +-- Q36052 (tomato soup) <- 番茄汤，实例3

解释：

• 通过 wdt:P31/wdt:P279*，你会首先找到属于 dish 类（菜肴类）的所有实例，然后会递归查找该类的所有子类的实例。所以，结果将包括菜肴类本身的实例（如炖牛肉、番茄汤等），以及所有属于菜肴子类的实例。

2. (wdt:P31|wdt:P279*) 查询

这种查询的含义是：

• wdt:P31：查询实体是某个类的实例。
• wdt:P279*：查询实体是否是某个类的子类，包括所有递归的子类。

查询顺序：

1. 查找所有属于 dish 类的实例。
2. 查找所有是 dish 类及其子类的实例，不要求严格顺序。

查询示意图：

    Q2090 (dish)  <- 菜肴类
      |
      +-- Q36048 (stew) <- 子类1（炖菜类）
      |       |
      |       +-- Q36049 (beef stew) <- 炖牛肉，实例1
      |       +-- Q36050 (chicken stew) <- 炖鸡肉，实例2
      |
      +-- Q36051 (soup) <- 子类2（汤类）
              |
              +-- Q36052 (tomato soup) <- 番茄汤，实例3

解释：

• 使用 (wdt:P31|wdt:P279*)，你查询的是“菜肴类（dish）”的所有实例和它的子类的实例。这个查询会同时返回菜肴类的实例（例如：炖牛肉、番茄汤）以及菜肴类的所有子类实例，不关心它们是在哪个层级。
• 结果会包括菜肴类的所有实例，如 beef stew（炖牛肉）、tomato soup（番茄汤）等，同时也会包含炖菜类（stew）和汤类（soup）作为菜肴类的子类。

关键区别：

1. wdt:P31/wdt:P279* 是一个顺序查询。首先检查实例，再递归检查该实例所属的类的子类。换句话说，它首先查找属于“菜肴”类的实例，然后逐级查找属于菜肴类子类的实例。

2. (wdt:P31|wdt:P279*) 是一个并列查询。查询同时返回两个条件的结果：既是“菜肴类”的实例，也包括所有属于“菜肴类”的子类的实例。它并不区分顺序，而是查找两个条件下的所有符合项。

---

总结：

• wdt:P31/wdt:P279*：先查实例，再递归查其子类。
• (wdt:P31|wdt:P279*)：并列查找实例和子类。

相同点：

这两种查询都涵盖了“实例”以及“子类”的所有实体。