Как удалить строки с определенной тематикой из файла RDF?

В Java вы можете использовать библиотеку RDF для чтения/записи в потоковом режиме и выполнения некоторой базовой фильтрации.

Например, используя синтаксический анализатор Rio RDF4J, вы можете создать простой класс SubjectFilter, который проверяет наличие любой тройки, если она имеет обязательный предмет:

public class SubjectFilter extends RDFHandlerWrapper {

    @Override
    public void handleStatement(Statement st) throws RDFHandlerException {
       // only write the statement if it has a subject we want
       if (myListOfSubjects.contains(statement.getSubject()) {
          super.handleStatement(st);
       } 
    }
}

А затем подключите парсер к писателю, который выдает отфильтрованный контент, что-то вроде этого:

RDFParser rdfParser = Rio.createParser(RDFFormat.TURTLE);
RDFWriter rdfWriter = Rio.createWriter(RDFFormat.TURTLE,
               new FileOutputStream("/path/to/example-output.ttl"));

// link our parser to our writer, wrapping the writer in our subject filter
rdfParser.setRDFHandler(new SubjectFilter(rdfWriter));

// start processing
rdfParser.parse(new FileInputStream("/path/to/input-file.ttl"), ""); 

Дополнительные сведения об использовании RDF4J и синтаксических анализаторов Rio см. в документации.

В стороне: хотя это, возможно, больше работы, чем магия командной строки с такими вещами, как grep и awk, преимущество в том, что это семантически устойчиво: вы оставляете интерпретацию того, какой бит ваших данных является объектом триплета процессору, который < em>понимает RDF, а не делает обоснованные предположения с помощью регулярных выражений («вероятно, это первый URL в каждой строке»), что может привести к поломке в тех случаях, когда во входном файле используется несколько иной вариант синтаксиса.

(раскрытие: я в команде разработчиков RDF4J)