我有一個抓取語義Web文檔的程序，例如RDF和OWL。我該如何從一個語義Web URI中以編程方式告訴一個URL
它將找到的URI並將它們放入列表中以供進一步處理。但是它也可以找到某些語句的部分URL（我使用的是維基百科數據，所以這通常是http://dbpedia.org/ontology/wikiPageExternalLink屬性。
如何判斷哪一個是語義Web URI，哪個只是一個URL，其中as小問題我正在開發Java，並且正在考慮是否需要超過一定的時間來讀取文件，該程序應該繼續下去，但我不知道如何做到這一點
我知道我的問題是模糊的，告訴我應該給我更多的細節。我沒有發佈代碼，因爲我認爲這不會對這種情況有所幫助。
爲什麼不把你的抓取的信息放到[某些]三重存儲並使用SPARQL來查詢它？如果這只是一系列處理過程中的一個步驟，那麼您不需要去一家巨型三聯商店，只需要使用Jena和TDB來進行平板/文件存儲，甚至只需要內存模型。
SPARQL的優點在於，您可以擁有想要使該列表成爲圖表的所有靈活性，然後查詢該圖表。
由於您遇到的一些URI可能是主體，謂詞或對象，因此您確實需要了解哪些圖形模式最適合進行更多處理。你喜歡s，p，o triple，其中p = wikiPageExternalLink？如果是這樣，SPARQL查詢那個，在結果集上找到對象值和開心處理。
請注意，與在dbpedia圖形中跟隨主題鏈接相比，該三重模式中的某些對象將是字符串文字（例如「http：// ...」），也可能是那些您想要處理的對象。 S，P，S2。再次，SPARQL用isLiteral（）來救援。
如果它是一個主題，我認爲它會限定它爲「語義網絡URI」，因爲至少應該有更多關於它的RDF語句 - 而不是字符串文字，它只是一些URI的字符串在圖中沒有其他重要性。相應的函數將是isIRI，所以你可以將你在兩個桶中找到的URL（文字和IRI）分開。
見例如在官方規格： http://www.w3.org/TR/rdf-sparql-query/#func-isIRI
SPARQL，特別耶拿的ARQ，有一堆的功能，過濾器，並且可應用於正則表達式來使它儘可能地靈活（例如，也許你想將某些域/模式列入白名單/黑名單，或在繼續之前執行一些字符串操作）。
首先，它承認網址是URI的一個子集很重要。 （即http://en.wikipedia.org/wiki/Tim_Berners-Lee是關於Tim Berners Lee的wikipedia頁面的URI）。所有URI和URL在語義網中扮演着重要的角色我想你所面臨的最大問題是決定哪些URI將產生RDF三元組。
第一種方法是嘗試從您遇到的所有URI中分析三元組，例如。即使頁面看起來像HTML，也可能存在RDFa。（我想你可以HTTP請求僅RDF MIME類型 - 但你可能丟失了豐富的RDFa的數據）
另一種方法是假設所有的http://dbpedia.org/ontology/wikiPageExternalLink屬性的對象不會產生任何有趣的事實。
另一種方法是記錄不發佈RDF並忽略它們的域名/子域。