耶拿，读一个模型需要永远

Question

我想了解一个给定的url是否是一个本体或不是。 （通过尝试将它读入Jena）

通常，不可分析的页面（404，HTML等）会引发各种异常，并且由Jena分析有效的RDF。但一些（无效）文件需要5-10分钟才能解析！没有高CPU或RAM使用率，没有！ model.read()永不落幕。 （有一次，我已经等了一个小时！）

try { 
    Model model = ModelFactory.createOntologyModel(); 
    model.read("http://dbpedia.org/page/Pizza_Deliverance"); // <- THIS LINE NEVER FINISHES! 

    // It is an ontology. 
} catch (Exception e) { 
    // Jena can't parse it 
} 

是挂另一个代码示例：（此时Model.read由输入流中提供）

// In is an InputStream that holds http://dbpedia.org/page/Pizza_Deliverance 
Model model; 
try { 
    model = ModelFactory.createOntologyModel(); 
    model.read(in, baseUri); // <- THIS LINE NEVER ENDS. 
} catch (Exception e) { 
    Logger.error("Error parsing file as ontology: " + baseUri, e); 
    return null; 
} 
return model; 

这里是堆栈跟踪（如果我迫不及待地想一个）

java.lang.NullPointerException: null 
at com.hp.hpl.jena.rdf.arp.impl.XMLHandler.endElement(XMLHandler.java:133) ~[jena-core-2.10.0.jar:2.10.0] 
at org.apache.xerces.parsers.AbstractSAXParser.endElement(AbstractSAXParser.java:598) ~[xercesImpl-2.11.0.jar:na] 
at org.apache.xerces.impl.XMLNamespaceBinder.handleEndElement(XMLNamespaceBinder.java:835) ~[xercesImpl-2.11.0.jar:na] 
at org.apache.xerces.impl.XMLNamespaceBinder.endElement(XMLNamespaceBinder.java:599) ~[xercesImpl-2.11.0.jar:na] 
at org.apache.xerces.impl.dtd.XMLDTDValidator.endNamespaceScope(XMLDTDValidator.java:2099) ~[xercesImpl-2.11.0.jar:na] 
at org.apache.xerces.impl.dtd.XMLDTDValidator.handleEndElement(XMLDTDValidator.java:2050) ~[xercesImpl-2.11.0.jar:na] 

我的问题：

1. 我错过了什么吗？ Misusage等
2. 如果给定的页面（或字符串）可以解析为本体，是否有任何替代方法检查？

编辑： 我工作围绕这一问题，在另一个线程做分析工作，并杀死线程，如果解析时间过长。但这不是一个真正的解决方案。

编辑2：

我看着源和堆栈跟踪长时间运行的代码。问题出在org.apache.xerces.parsers.DTDConfiguration.parse(boolean)如果这对你来说意味着什么。

Answer 1

几年前，我用http://www.mindswap.org/2003/pellet/demo.shtml检查了我的本体论或本体论URI。也许你可以先用粒子检查你的网址。本页面还提供了对本体复杂性的建议。

Answer 2

你可以解决阅读问题如下;

尝试使用

Model model = ModelFactory.createOntologyModel(OntModelSpec.OWL_MEM_RULE_INF, null);

代替

Model model = ModelFactory.createOntologyModel();

你可以找到关于OntModelSpec类型here更多信息。

Answer 3

您正在访问http://dbpedia.org/page/Pizza_Deliverance并获得

java.lang.NullPointerException: null 
at com.hp.hpl.jena.rdf.arp.impl.XMLHandler.endElement 

即数据看起来是腐败。

Answer 4

您正在尝试读取Jena模型的HTML页面。换句话说，您使用application/rdf + xml媒体类型发送此URI的HTTP请求。 （有关链接数据中内容协商的更多信息，请参阅http://wifo5-03.informatik.uni-mannheim.de/bizer/pub/LinkedDataTutorial/#Terminology）Web上存在链接数据资源的重定向机制。 DBpedia重定向可能会在那里造成问题，例如，无限的重定向循环，或者DBpedia底层的虚拟RDF存储有问题。你应该问这个问题到dbpedia邮件列表，他们可以帮助你。作为一个建议，如果你需要检查给定的URI是否返回链接的数据资源描述，你可以发送简单的HTTP获取几种不同的媒体类型，比如application/rdf + xml，application/text + n3等等，然后如果您在指定的时间内得到任何响应，则使用Jena解析检索到的响应。举例如下：

HttpGet get = new HttpGet(); 
get.setURI(URI.create("http://dbpedia.org/resource/Pizza_Deliverance")); 
get.setHeader("Accept", "text/n3"); 
HttpClient client = new DefaultHttpClient(); 
HttpResponse response = client.execute(get); 
HttpEntity entity = response.getEntity(); 
System.out.println(EntityUtils.toString(entity)); 

此代码返回一个描述Pizza Deliverance资源的N3文档。如果您使用“application/rdf + xml”媒体类型为您的http://dbpedia.org/page/Pizza_Deliverance URI尝试此代码，则会收到HTTP 406异常。这个错误可能意味着你理解URI的类型。

Answer 5

您必须将base参数放入您的读取方法中。

Model model = ModelFactory.createOntologyModel(); 
model.read("http://dbpedia.org/page/Pizza_Deliverance", "http://www.example.com/base/"); 

看起来返回的模型URI是相关的。 我检查过它，它的工作。

干杯

Answer 6

我有同样的问题与http://bio2rdf.org。当我用curl请求它时，我发现它只返回HTML，就像你的情况一样。所以我认为Jena应该在看到它无法理解格式时立即返回某种Unparsable-Exception。

在你的情况下，修复应该使用正确的资源DBpedia的，这是http://dbpedia.org/resource/Pizza_Deliverance而不是http://dbpedia.org/page/Pizza_Deliverance（不同的是resource与page），因为http://dbpedia.org/page/Pizza_Deliverance只是HTML表示了在浏览器中阅读。

作为更通用的解决方法，我写了以下我自己的readModel-方法，您应该在这里找到：https://gist.github.com/white-gecko/8849251。如果它以未被接受的数据类型得到答案，它只返回null。