将HTML转换为RDF

Question

我正在寻找一种通用的API / Web服务/工具等，它可以将给定的HTML页面尽可能精确地转换为RDF图（最有可能使用骨干本体和/或映射器）。请注意，保留HTML标记。

- jaxvy

---

你对HTML文档的内容有控制权吗？还是它可以是任意随机的文档？ - Scott

它可以是任何HTML文档。我需要将HTML文档的结构提取到RDF图中。如果转换使用骨干映射器/本体论，那就更好了。 - jaxvy

看起来XSPARQL可以通过根据本体写的自定义查询来实现这一点... - jaxvy

“HTML文档的结构”指的是div，p等元素的结构吗？以这个SO页面为例：你想要的RDF输出是什么？ - Pēteris Caune

Answer 1

你尝试过使用 GRDDL 吗？

GRDDL 是一种从 XML 文档中获取 RDF 数据的技术，特别是 XHTML 页面。

- DaniCE

Answer 2

我使用了 XQuery 来提取给定网页集合中的数据。我不得不为这些网页编写自定义查询。我认为这是针对特定 HTML 文件集合采取的最直接的方法。但是，显然对于一般情况并不好用。对于另一个不同的网页集合，需要编写其他自定义查询。

- jaxvy

Answer 3

我使用JSoup从HTML中抓取数据。它使用类似于jQuery的方式查询HTML DOM，这是我已经熟悉的，所以对我来说使用这个工具非常简单。我也发现它相当强大，但我只需要用它来抓取3个数据源，所以我对这个工具的经验不是很丰富。jsoup

- Srneczek