快速上手PyLD从pip安装到第一个compact/expand示例的完整教程【免费下载链接】pyldJSON-LD processor written in Python项目地址: https://gitcode.com/gh_mirrors/py/pyldPyLD 是一个用 Python 编写的 JSON-LD 处理器它完整实现了 W3C 的 JSON-LD 1.1 规范是 Python 生态中最流行的 JSON-LD 处理库之一。无论你是想在项目中为普通 JSON 添加语义、打通 Linked Data还是对接 RDF 数据PyLD 都能帮你快速实现。本教程将带你从零开始先完成 PyLD 的 pip 安装再通过一个最简单的 compact 与 expand 示例理解 JSON-LD 处理器最核心的两个操作全程无需复杂环境新手也能一次跑通。PyLD 是什么为什么需要 JSON-LD 处理器JSON-LDJSON for Linking Data是一种轻量级的 Linked Data 语法它让普通 JSON 文档也能表达语义字段不再是孤立的字符串而是可以映射到全球统一的 IRI 标识符。PyLD 作为 JSON-LD 处理器负责完成这些映射计算——你只需要提供文档和上下文context其余工作交给它。PyLD 严格遵循以下 W3C 推荐标准可靠性有保障JSON-LD 1.1 规范JSON-LD 1.1 Processing Algorithms and APIJSON-LD 1.1 Framing框架化RDF Dataset Canonicalization规范化第一步PyLD 安装教程pip 一行搞定⚙️PyLD 的安装非常简单核心包只需要一条命令pip install PyLD按需安装可选依赖PyLD 核心包不会自动安装requests或aiohttp。如果你的应用需要内置的远程文档加载器Document Loader请按需安装对应扩展pip install PyLD[requests] # 同步 HTTP 加载器 pip install PyLD[aiohttp] # 异步 HTTP 加载器 pip install PyLD[requests-cache] # 带 SQLite 缓存的加载器环境要求与验证安装PyLD 要求Python 3.10 及以上版本。安装完成后用一行命令验证是否成功python -c from pyld import jsonld; print(PyLD OK)看到输出PyLD OK就说明 PyLD 安装成功了 第二步理解 compact 与 expand 这两个核心操作 在写代码之前先建立直观印象这对新手非常重要compact压缩把带完整 IRI 的长字段名按照上下文context映射成简短易读的字段名。例如把http://schema.org/name压缩成name。expand展开反过来把压缩后的短字段名还原成完整的 IRI 形式同时移除上下文。这是 compact 的逆操作。一句话总结compact 让 JSON 更简洁可读expand 让 JSON 更标准化。两者是理解 JSON-LD 处理器 API 的钥匙。第三步第一个 compact 示例3 分钟跑通完整示例代码位于 docs/examples/compact.py。核心逻辑如下import json from pyld import jsonld # 1. 原始文档字段全部是完整的 IRI doc { http://schema.org/name: Manu Sporny, http://schema.org/url: {id: http://manu.sporny.org/}, http://schema.org/image: { id: http://manu.sporny.org/images/manu.png }, } # 2. 定义上下文把长 IRI 映射为短字段名 context { name: http://schema.org/name, homepage: {id: http://schema.org/url, type: id}, image: {id: http://schema.org/image, type: id}, } # 3. 执行压缩 compacted jsonld.compact(doc, context) print(json.dumps(compacted, indent2))运行结果解读运行上面的代码你会得到{ context: {...}, image: http://manu.sporny.org/images/manu.png, homepage: http://manu.sporny.org/, name: Manu Sporny }可以看到原来一长串的http://schema.org/name被压缩成了简洁的name可读性大幅提升。jsonld.compact()还支持直接传 URLjsonld.compact(http://example.org/doc, http://example.org/context)PyLD 会自动加载远程文档和上下文。第四步第一个 expand 示例反向还原完整示例代码位于 docs/examples/expand.py。我们把上一步压缩后的文档再展开import json from pyld import jsonld # 压缩形态的文档带上下文 doc { context: { name: http://schema.org/name, homepage: {id: http://schema.org/url, type: id}, image: {id: http://schema.org/image, type: id}, }, image: http://manu.sporny.org/images/manu.png, homepage: http://manu.sporny.org/, name: Manu Sporny, } # 执行展开 expanded jsonld.expand(doc) print(json.dumps(expanded, indent2))展开后的标准形态输出是一个数组每个属性都还原成了完整的 IRI且值被包装成 JSON-LD 的标准值对象[{ http://schema.org/image: [{id: http://manu.sporny.org/images/manu.png}], http://schema.org/name: [{value: Manu Sporny}], http://schema.org/url: [{id: http://manu.sporny.org/}] }]这种展开形态Expanded Document Form是 JSON-LD 处理器 API 的统一中间格式后续的 flatten、frame、to_rdf 等操作都以它为输入。第五步PyLD 还有哪些常用 API继续探索 跑通 compact 和 expand 之后你已经掌握了 PyLD 的核心用法。pyld.jsonld模块还提供了这些常用方法对应实现均在 lib/pyld/jsonld.pyAPI 方法功能参考示例jsonld.flatten()扁平化嵌套结构生成顶层节点图docs/examples/flatten.pyjsonld.frame()按给定 frame 重构文档树形结构docs/examples/frame.pyjsonld.normalize()规范化 RDF 数据集用于哈希与对比docs/examples/normalize.pyjsonld.to_rdf()把 JSON-LD 转为 RDF 语句如 N-Quadsdocs/examples/to_rdf.pyjsonld.from_rdf()把 RDF 数据集转回 JSON-LDdocs/examples/from_rdf.py进阶提示自定义文档加载器生产环境中建议为 PyLD 设置带超时时间的文档加载器避免远程请求卡死from pyld import jsonld jsonld.set_document_loader(jsonld.requests_document_loader(timeout5))更进阶的玩法如 aiohttp 异步加载、SQLite 缓存加载、Frozen 离线加载可以参考 docs/examples/document_loaders/ 下的示例。总结你现在可以开始用 PyLD 了 ✅通过本教程你已经完成了 PyLD 的 pip 安装并亲手运行了第一个 compact 与 expand 示例理解了 JSON-LD 处理器最核心的压缩—展开双向转换。接下来你可以用jsonld.flatten()处理嵌套数据方便入库分析用jsonld.to_rdf()打通 RDF 语义网生态结合jsonld.normalize()实现数据的规范化校验如果你对某一步有任何疑问欢迎在评论区留言交流 【免费下载链接】pyldJSON-LD processor written in Python项目地址: https://gitcode.com/gh_mirrors/py/pyld创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考