【知识图谱】Python-调用维基百科官方API查询返回json数据的数据模型解析（Wikidata datamodel）- 超详细介绍

项目链接

为了实现知识图谱API的高效查询，自己也集成了一些常用API的多线程查询接口，其中包括WikiMedia API、DBpedia Lookup、SPARQL语言查询、Bing搜索引擎、Ask搜索引擎，欢迎大家提出宝贵意见，项目链接如下： A-BigTree/searchmanage_Wiki

前言

维基百科是☞多种语言、内容自由个网络百科全书项目。而维基数据是一个自由的协作式的多语言辅助数据库，用于收集结构化的数据，旨在支援维基百科、维基共享资源以及其他维基媒体运动中的项目。
维基数据可以通过多种方式访问：使用内建工具、外部工具或程序接口。
- Wikidata Query和Reasonator是搜索和检查维基数据项的一些流行工具。tools一页有大量有趣的项目可供探索。
- 客户端维基可以使用Lua Scribunto接口访问其页面的数据。您可以使用Wikidata API独立检索所有数据。
我们这次利用python调用官方API来实现数据的获取。

官方API使用

注意：因为某些原因wiki国内好像访问不稳定，必要请在魔法😀下使用

Wiki官方提供了很多不同功能的接口，具体见其官方文档。

url=https://www.wikidata.org/w/api.php
这里我们使用两个action,action=wbsearchentities和action=wbgetentities
action=wbsearchentities:对输入文本进行搜索得到实体id；
action=wbgetentities：对输入实体id搜索得到该实体的详细信息；

`action` = `wbsearchentities`

接口API文档MediaWiki API help - Wikidata

参数设置

action:'wbsearchentities'
format:'json'
search: (带查询文本)必须⭐
language: (查询语言)必须⭐
type: (查询实体类型，默认：'item')
limit: (结果返回最大数量，默认：7)
strictlanguage: (是否禁用语言回退)非必须
continue: (继续搜索的偏移量，默认：0)
props: (返回每个实体的这些属性,默认：'url'，好像只有url😓)

查询过程

以文本"SEU"为例

import requests

url = "https://www.wikidata.org/w/api.php"

params = {
    'action': 'wbsearchentities',
    'format': 'json',
    'search': "SEU",   # 搜索文本
    'language': 'en',  # 查询语言（英文）
    'type': 'item',    
    'limit': 10        # 返回最大数目
}

# 访问
get = requests.get(url=url, params=params)
# 转为json数据
re_json = get.json()
print(re_json)

json数据解析

该json数据结构较简单，分析如下：

searchinfo:
- search:"SEU"
search:
- 0..*(结果队列)
  - id(实体id):(目标值)
  - titile(实体id，同id)：(目标值)
  - pageid(网页id):(目标值)
  - display:
    - label(实体名称)：
      - language(语言):(目标值)
      - value:(目标值)
    - (description)(实体描述)
      - language(语言)：(目标值)
      - value:(目标值)
  - repository(存储库)：(目标值)
  - url(实体链接)：(目标值)
  - concepturi(实体概念链接):(目标值)
  - label(实体名称):(目标值)
  - description(实体描述):(目标值)
  - match(该结果的匹配实体出处，即为什么返回该实体)：
    - type(查询部分,label? alias(别名)?,description?):(目标值)
    - language:en
    - text:"SEU"
  - aliases(别名，简称):
    - 0..*(列表)
      - (目标值)
search-continue(返回结果数目):(目标值)
success(是否查询成功):1

通过解析我们可以得到一些查询结果的实体id，比如Q3551770，但是我们只能简单知道该实体的名称、描述，如果我们想知道该实体的更多详细信息，比如属性关系等，我们就需要利用下面介绍的action=wbgetentities

`action`=`wbgetentities`

接口API文档MediaWiki API help - Wikidata

参数设置

action:'wbgetentities'
format:'json'
ids: (带查询实体id，可接受多个用'|'隔开)必须⭐
language: (查询语言)非必须

还有更多的参数可以调整设置，不过不是必须的，这里就不再介绍，详情见官方文档

查询过程

以实体id Q3551770为例

import requests

url = "https://www.wikidata.org/w/api.php"

params = {
    'ids': 'Q3551770',   # 实体id,可多个，比如'Q123|Q456'
    'action': 'wbgetentities',
    'format': 'json',
    'language': 'en',
}

# 访问
get = requests.get(url=url, params=params)
# 转为json数据
re_json = get.json()
print(re_json)

json数据解析

哦哦哦哦哦！重头戏来喽！ 通过输出的json格式数据我们发现这个json数据”又臭又长“，看了让人头大。

其实这里的每个实体的数据包含了该实体的全部信息，符合维基百科数据模型，所以想要真正清晰的解析该json数据，就要明白维基百科数据模型层次结构。下面才开始今天真正是主题。

前方高能！

维基百科数据模型（Wikidata datamodel）

维基百科数据模型介绍页Help:Wikidata datamodel - Wikidata
使用官方API（action=wbgetentities）查询wikidata返回实体json文件时，json数据的基本结构（对应键值）

ch1.基本数据模型（Datamodel）

entities:
- Qxx:
  - id:Qxx
  - titile:Qxx
  - type:item
  - pageid:（目标值）
  - lastrevid:（目标值）
  - label: ---> ch 2
  - (aliases): ---> ch 3
  - (descriptions): ---> ch 4
  - (claims): ---> ch 5
  - (sitelinks): ---> ch 6
- Qxxx:
  - ........
success:1

---> ch2.label(实体名称)

(xx为语言标记，之后不再赘述) 具体见 https://www.wikidata.org/w/api.php?action=help&modules=wbgetentities的Parameters中 language介绍。

labels:
- xx:
  - language:xx
  - value:（目标值）

---> ch3.aliases(别名)

aliases:
- xx
  - 0..(列表)
    - language:xx
    - value:（目标值）

---> ch4.descriptions(描述)

descriptions:
- xx
  - language:xx
  - value:（目标值）

---> ch5.claims(属性)⭐

（Pxx为属性编号）

claims:
- Pxx:
  - 0..*(列表)
    - mainsnak
      - snaktype:value
      - property:Pxx
      - hash:（目标值）
      - datatype: --> ch 5.1
      - datavalue: --> ch 5.2
    - type:statement
    - (qualifiers-order): --> ch 5.3
    - (qualifiers): --> ch 5.4
    - (references): --> ch 5.5

--> ch5.1 datatype(数据类型)

wikidata目前确定的数据类型共17种，每种数据类型对应一种值类型（valuetype）（List of all data types available - Wikidata，Help:数据类型 - Wikidata），列表如下：

Datetype	json键值	Valuetype
Commons media (参考维基共享资源上的文件,图片等)	commonsMedia	string
Globe coordinate (地理位置，经纬度)	globe-coordinate	globecoordinate
Item (内部链接到另一个项)	wikibase-item	wikibase-entityid
Property (指向属性的内部链接)	wikibase-property	wikibase-entityid
String (不需要翻译成不同语言或数字格式的字符链，数字和符号)	string	string
Monolingual text (未翻译为其他语言的字符串，当地语言编写的位置实体名称，某种标识符，化学式或拉丁学名)	monolingualtext	monolingualtext
External identifier (表示外部系统中使用的标识符的字符串)	external-id	string
Quantity (代表一个十进制数字，以及有关该数字的不确定性区间的信息，以及一个测量单位)	quantity	quantity
Time (以格里高利或朱利安日历存储日期)	time	time
URL (用于标识某种外部资源，可能是某种外部网站的链接)	url	string
Mathematical expression (显示为数学公式的格式化字符串)	math	string
Geographic shape (参考维基共享资源上的地图数据文件命名空间)	geo-shape	string
Musical Notation (描述遵循 LilyPond 语法的音乐的字符串)	musical-notation	string
Tabular data (参考维基共享资源上的表格数据文件命名字符串)	tabular-data	string
Lexeme (对于引用另一个 Lexeme 的 Lexemes 的陈述)	wikibase-lexeme	wikibase-entityid
Form (对于 Lexemes 上的陈述，这些陈述引用了其他 Lexeme 上的 Forms 以表明它们的关系)	wikibase-form	wikibase-entityid
Sense (对于在其他 Lexemes 上引用 Senses 的 Lexemes 的陈述)	wikibase-sense	wikibase-entityid

--> ch5.2 valuetype(值类型)

确定datatype（数据类型）后，可以知道valuetype（值类型），从而确定value的结构层次；
由ch5.1可知，17种datatype（数据类型）对应共6种valuetype（值类型）；

wikibase-entityid(维基数据实体id值)

datavalue:
- type:wikibase-entityid
- value:
  - entity-type(实体类型):item
  - numeric-id(实体id):（目标值）
  - (id)（类型+id，如Q5，P31）:（目标值）

globecoordinate(地理位置)

datavalue:
- type:globecoordinate
- value:
  - latitude(纬度)：（目标值）
  - longitude(经度)：（目标值）
  - precision(精度)：（目标值）
  - globe(观测星球实体链接)：（目标值）

time(时间)

datavalue:
- type:time
- value:
  - time(时间)：（目标值）
  - precision(精度):（目标值）
  - before(给定时间后可能有多少个单位的显式整数值):（目标值）
  - after(给定时间前可能有多少个单位的显式整数值)：（目标值）
  - timezone(时区信息作为与 UTC 的偏移量（以分钟为单位）):（目标值）
  - calendarmodel(作为 URI 给出的显式值):（目标值）

string(字符串)

datavalue:
- type:string
- value:（目标值）

monolingualtext(未翻译文本)

datavalue:
- type:monolingualtext
- value:
  - text(文本信息):（目标值）
  - language(语言):（目标值）

quantity(十进制数字)

datavalue:
- type:quantity
- value:
  - amount(主值):（目标值）
  - lowerBound(下界误差):（目标值）
  - upperBound(上界误差):（目标值）
  - unit(默认为“1”的字符串的隐含部分):"1"

--> ch 5.3 qualifiers-order(限定词顺序)

qualifiers-order:
- 0..*（列表）
  - Pxx
  - ......

--> ch 5.4 qualifiers(限定词)

qualifiers：
- Pxx：
  - 0..*(列表)
    - snaktype:value
    - property:Pxx
    - hash:（目标值）
    - datatype: --> ch 5.1
    - datavalue: --> ch 5.2

--> ch 5.5 references(引用)

references:
- 0..*(列表)
  - hash:（目标值）
  - snaks-order:
    - 0..*(列表)
      - Pxx
      - .......
  - snaks:
    - Pxx:
      - 0..*(列表)
        
        snaktype:value
        
        property:Pxx
        
        hash:（目标值）
        
        datatype: --> ch 5.1
        
        datavalue: --> ch 5.2

---> ch6.sitelinks(外部链接)

sitelinks:
- xxwiki:
  - site:xxwiki
  - (badges):
    - 0..*(列表)
      - id（目标值）
  - title:（目标值）
- xxwikivoyage:
  - site:xxwikivoyage
  - (badges):
    - 0..*(列表)
      - id（目标值）
  - title:（目标值）
- commonswiki:
  - site:commonswiki
  - (badges):
    - 0..*(列表)
      - id（目标值）
  - title:（目标值）

Example

(www.wikidata.org/w/api.php?a…**

{
    "entities": {
            "Q3551770": {
                "pageid": 3380864,
                "ns": 0,
                "title": "Q3551770",
                "lastrevid": 1653372026,
                "modified": "2022-06-03T07:33:09Z",
                "type": "item",
                "id": "Q3551770",
                "labels": {
                    "en": {
                        "language": "en",
                        "value": "Southeast University"
                    }
                },
                "descriptions": {
                    "en": {
                        "language": "en",
                        "value": "university in Nanjing, China"
                    }
                },
                "aliases": {
                    "en": [
                        {
                            "language": "en",
                            "value": "SEU"
                        }
                    ]
                },
                "claims": {            	
                    ....
                },
                "sitelinks":{            
                    ...            
                },
	"success": 1
}

部分`claims`

"claims":
{
    "P159": [
        {
            "mainsnak": {
                "snaktype": "value",
                "property": "P159",
                "hash": "5491d0bd1b2b30b9e4747254d508f277795a3c7f",
                "datavalue": {
                    "value": {
                        "entity-type": "item",
                        "numeric-id": 16666,
                        "id": "Q16666"
                    },
                    "type": "wikibase-entityid"
                },
                "datatype": "wikibase-item"
            },
            "type": "statement",
            "qualifiers": {
                "P625": [
                    {
                        "snaktype": "value",
                        "property": "P625",
                        "hash": "2d91cc4e510689c095172344a17b0a0bee41fa4b",
                        "datavalue": {
                            "value": {
                                "latitude": 32.057777777778,
                                "longitude": 118.78888888889,
                                "altitude": null,
                                "precision": 0.0001,
                                "globe": "http://www.wikidata.org/entity/Q2"
                            },
                            "type": "globecoordinate"
                        },
                        "datatype": "globe-coordinate"
                    }
                ]
            },
            "qualifiers-order": [
                "P625"
            ],
            "id": "Q3551770$b269c8db-4c49-d2c9-628e-393a5c0d9b65",
            "rank": "normal"
        }
    ],
    "P856": [
        {
            "mainsnak": {
                "snaktype": "value",
                "property": "P856",
                "hash": "0d857dd8262d0b6729ea3b911c534d0075fbb77d",
                "datavalue": {
                    "value": "http://www.seu.edu.cn/",
                    "type": "string"
                },
                "datatype": "url"
            },
            "type": "statement",
            "id": "Q3551770$8ed363d2-400b-f684-a881-bd02902fe19d",
            "rank": "normal"
        }
    ],
    "P910": [
        {
            "mainsnak": {
                "snaktype": "value",
                "property": "P910",
                "hash": "1f3b85ac00b0aa7408defdb9e93dbf9278752b73",
                "datavalue": {
                    "value": {
                        "entity-type": "item",
                        "numeric-id": 8781146,
                        "id": "Q8781146"
                    },
                    "type": "wikibase-entityid"
                },
                "datatype": "wikibase-item"
            },
            "type": "statement",
            "id": "Q3551770$6C7F1667-F717-4374-A48D-4A0838D77B41",
            "rank": "normal"
        }
    ]
}

`sitelinks`

"sitelinks": 
{
    "cswiki": {
        "site": "cswiki",
        "title": "Jihov\u00fdchodn\u00ed univerzita",
        "badges": []
    },
    "dewiki": {
        "site": "dewiki",
        "title": "Universit\u00e4t S\u00fcdostchinas",
        "badges": []
    },
    "enwiki": {
        "site": "enwiki",
        "title": "Southeast University",
        "badges": []
    },
    "frwiki": {
        "site": "frwiki",
        "title": "Universit\u00e9 du Sud-Est",
        "badges": []
    },
    "ganwiki": {
        "site": "ganwiki",
        "title": "\u4e1c\u5357\u5927\u5b66",
        "badges": []
    },
    "idwiki": {
        "site": "idwiki",
        "title": "Universitas Tenggara",
        "badges": []
    }
}

综上，我们已经清楚了维基百科数据模型的解析的方法啦，可以愉快获得我们想要的数据啦！ 😊 如果看完觉得博主写的不错，请给博主点赞关注收藏鼓励一下哦🤭

【知识图谱】Python-调用维基百科官方API查询返回json数据的数据模型解析（Wikidata datamodel）- 超详细介绍

项目链接

前言

官方API使用

action = wbsearchentities

参数设置

查询过程

json数据解析

action=wbgetentities

参数设置

查询过程

json数据解析

维基百科数据模型（Wikidata datamodel）

ch1.基本数据模型（Datamodel）

---> ch2.label(实体名称)

---> ch3.aliases(别名)

---> ch4.descriptions(描述)

---> ch5.claims(属性)⭐

--> ch5.1 datatype(数据类型)

--> ch5.2 valuetype(值类型)

wikibase-entityid(维基数据实体id值)

globecoordinate(地理位置)

time(时间)

string(字符串)

monolingualtext(未翻译文本)

quantity(十进制数字)

--> ch 5.3 qualifiers-order(限定词顺序)

--> ch 5.4 qualifiers(限定词)

--> ch 5.5 references(引用)

---> ch6.sitelinks(外部链接)

Example

部分claims

sitelinks

`action` = `wbsearchentities`

`action`=`wbgetentities`

部分`claims`

`sitelinks`