Skip to content

World's first open-source enterprise world model.

An opaque IRI takes its key from the label (#328)

WaylandYang5b9c51d599ac
diff --git a/crates/utopia-ingest/src/ontology_rdf.rs b/crates/utopia-ingest/src/ontology_rdf.rs
index 5022a917..e926aad2 100644
--- a/crates/utopia-ingest/src/ontology_rdf.rs
+++ b/crates/utopia-ingest/src/ontology_rdf.rs
@@ -456,9 +456,12 @@ pub fn project(bytes: &[u8], format: RdfFormat) -> anyhow::Result<OwlProjection>
.or_insert(0) += 1;
continue;
}
+ // 先取真正的 label:编号式 IRI 的 key 要从它派生(#324)。
+ // 词汇表没给 label 时退回局部名,那也正是 key 的来源,行为不变
+ let declared_label = pick_lang(labels.get(iri));
proj.classes.push(OwlClass {
- key: key_from_iri(iri),
- label: pick_lang(labels.get(iri)).unwrap_or_else(|| local_name(iri).to_string()),
+ key: key_from_iri_or_label(iri, declared_label.as_deref()),
+ label: declared_label.unwrap_or_else(|| local_name(iri).to_string()),
description: pick_lang(comments.get(iri)).unwrap_or_default(),
parents: parents.get(iri).cloned().unwrap_or_default(),
disjoint_with: {
@@ -493,10 +496,10 @@ pub fn project(bytes: &[u8], format: RdfFormat) -> anyhow::Result<OwlProjection>
} else {
!rs.is_empty() && rs.iter().all(|r| datatype_classes.contains(r))
};
+ let declared_label = pick_lang(labels.get(iri));
proj.properties.push(OwlProperty {
- key: key_from_iri(iri),
- label: pick_lang(labels.get(iri))
- .unwrap_or_else(|| local_name(iri).replace('_', " ").to_string()),
+ key: key_from_iri_or_label(iri, declared_label.as_deref()),
+ label: declared_label.unwrap_or_else(|| local_name(iri).replace('_', " ").to_string()),
description: pick_lang(comments.get(iri)).unwrap_or_default(),
is_datatype,
functional: functional.contains(iri),
@@ -643,11 +646,47 @@ pub fn local_name(iri: &str) -> &str {
iri.rsplit(['#', '/']).next().unwrap_or(iri)
}
+/// 局部名是不是**纯编号**——`BFO_0000144`、`CHEBI_15377`、`GO_0008150` 这种。
+///
+/// OBO 系的词汇表(OBO Foundry 两百余个,覆盖生命科学、制造、医疗)把标识放在
+/// IRI 里、把意思放在 `rdfs:label` 里。照 IRI 派生出来的 `bfo_0000144` 不含任何
+/// 信息,而 key 正是抽取时递给模型的那份类清单——模型认不出它,这个类就永远
+/// 不会有实体落进去,且导入是「成功」的,坏了也看不出来(#324)。
+///
+/// 判据卡得窄:**字母前缀 + 一个分隔符 + 至少三位数字**。schema.org 里那些带
+/// 数字却有意义的名字都不满足——`gtin12`、`sha256`、`percentile10` 没有分隔符,
+/// `emissionsCO2` 数字不在末尾,`3DModel` 压根不是这个形状。
+fn is_opaque_local_name(local: &str) -> bool {
+ let Some(pos) = local.rfind(['_', '-']) else {
+ return false;
+ };
+ let (prefix, digits) = (&local[..pos], &local[pos + 1..]);
+ !prefix.is_empty()
+ && prefix.chars().all(|c| c.is_ascii_alphabetic())
+ && digits.len() >= 3
+ && digits.chars().all(|c| c.is_ascii_digit())
+}
+
+/// 派生 key:局部名是纯编号且词汇表给了 label 时用 label,否则用局部名。
+///
+/// **IRI 始终是身份**,这里只换那个给模型读的标签,所以重导入、对齐、
+/// `e_by_iri` 的认领都不受影响。
+pub fn key_from_iri_or_label(iri: &str, label: Option<&str>) -> String {
+ match label {
+ Some(l) if is_opaque_local_name(local_name(iri)) && !l.trim().is_empty() => to_key(l),
+ _ => key_from_iri(iri),
+ }
+}
+
/// 从 IRI 派生 key。**IRI 是身份,key 是给模型读的标签**(见 0001 P2):
/// 只允许 `[a-z0-9_]`、最长 40,所以 IRI 本身进不去。
/// 驼峰拆成下划线:`hasEmployee` → `has_employee`。
pub fn key_from_iri(iri: &str) -> String {
- let local = local_name(iri);
+ to_key(local_name(iri))
+}
+
+/// 一段文本 → key 的字符规则:驼峰断词,非字母数字并成一个下划线,截断 40。
+fn to_key(local: &str) -> String {
let mut out = String::with_capacity(local.len() + 4);
let mut prev_lower = false;
for c in local.chars() {
@@ -1009,6 +1048,64 @@ mod tests {
assert_eq!(key_from_iri("http://x#HTTP_Server"), "http_server");
}
+ /// 编号式 IRI 的 key 改从 label 来(#324)。这些词汇表把标识放在 IRI、
+ /// 把意思放在 label 里,照 IRI 派生出的 key 递给模型等于没给。
+ #[test]
+ fn an_opaque_iri_takes_its_key_from_the_label() {
+ let k = |iri, label| key_from_iri_or_label(iri, Some(label));
+ assert_eq!(
+ k(
+ "http://purl.obolibrary.org/obo/BFO_0000144",
+ "process profile"
+ ),
+ "process_profile"
+ );
+ assert_eq!(
+ k("http://purl.obolibrary.org/obo/CHEBI_15377", "water"),
+ "water"
+ );
+ assert_eq!(
+ k(
+ "http://purl.obolibrary.org/obo/GO_0008150",
+ "biological process"
+ ),
+ "biological_process"
+ );
+ // 没有 label 就没得选,退回 IRI——总比没有强,身份仍在 IRI 上
+ assert_eq!(
+ key_from_iri_or_label("http://purl.obolibrary.org/obo/BFO_0000144", None),
+ "bfo_0000144"
+ );
+ // 空 label 同样不算数
+ assert_eq!(
+ k("http://purl.obolibrary.org/obo/BFO_0000144", " "),
+ "bfo_0000144"
+ );
+ }
+
+ /// 判据必须窄。schema.org 里带数字的名字都有意义,一个都不能被改写——
+ /// 有 label 的类占绝大多数,判据一宽就是整个词汇表的 key 全被换掉。
+ #[test]
+ fn a_meaningful_name_keeps_its_key_even_with_digits() {
+ let k = |iri, label| key_from_iri_or_label(iri, Some(label));
+ // 数字紧跟字母,没有分隔符
+ assert_eq!(k("https://schema.org/gtin12", "GTIN-12"), "gtin12");
+ assert_eq!(k("https://schema.org/sha256", "sha256"), "sha256");
+ assert_eq!(
+ k("https://schema.org/percentile10", "percentile 10"),
+ "percentile10"
+ );
+ // 数字不在末尾
+ assert_eq!(
+ k("https://schema.org/emissionsCO2", "emissions CO2"),
+ "emissions_co2"
+ );
+ // 分隔符后面不是数字
+ assert_eq!(k("http://x#HTTP_Server", "HTTP server"), "http_server");
+ // 数字不足三位:可能是有意义的编号(v2、Q1),不当编号处理
+ assert_eq!(k("http://x#part_12", "part twelve"), "part_12");
+ }
+
/// schema.org 那一套的最小复刻:数据类型自报家门,属性用
/// domainIncludes / rangeIncludes,全部只声明成 rdf:Property。
const SCHEMA_ISH: &str = r#"
@@ -1313,6 +1410,41 @@ mod against_real_packs {
}
}
+ /// IOF Core 引用 BFO,而 BFO 的 IRI 是编号(`.../obo/BFO_0000144`)。
+ /// 照 IRI 派生的 `bfo_0000144` 递给模型等于没递——那个类会永远空着,
+ /// 而导入是「成功」的(#324)。这里钉的是**真包里那一个**:
+ /// 它的 `rdfs:label` 写着 "process profile"。
+ ///
+ /// 同时钉住反面:schema.org 那些带数字却有意义的 key 一个都不能被改写。
+ /// 判据一宽,受影响的就不是一个类而是整个词汇表——它的类几乎都有 label。
+ #[test]
+ fn an_opaque_iri_in_a_real_pack_reads_from_its_label() {
+ let p = project(&load("iof-core.rdf.gz"), RdfFormat::RdfXml).unwrap();
+ let c = p
+ .classes
+ .iter()
+ .find(|c| c.label == "process profile")
+ .expect("IOF Core 里那个 BFO 类该被投影出来");
+ assert_eq!(c.key, "process_profile", "编号式 IRI 该改用 label 派生 key");
+ assert!(
+ !p.classes.iter().any(|c| c.key.starts_with("bfo_0")),
+ "不该再有编号形态的 key,实得 {:?}",
+ p.classes
+ .iter()
+ .map(|c| &c.key)
+ .filter(|k| k.starts_with("bfo_0"))
+ .collect::<Vec<_>>()
+ );
+
+ let s = project(&load("schema-org.ttl.gz"), RdfFormat::Turtle).unwrap();
+ for key in ["gtin12", "gtin13", "sha256", "emissions_co2"] {
+ assert!(
+ s.properties.iter().any(|x| x.key == key),
+ "{key} 是有意义的名字,不该被当成编号改写"
+ );
+ }
+ }
+
/// IOF Core 声明了一批传递属性(before/after/occursDuring…)。
/// 这是 R0 环检测唯一有真实依据的地方
#[test]