ctext.org RDF 数据处理
提供用 Python 的 rdflib 库加载 ctext.org 关联开放数据的完整演示，包括下载 RDF 转储文件、设定 ctext / claim / cprop 等命名空间前缀、遍历实体三元组并展开空白节点。
官方说明 ↗
价格官网未标价
平台Web
归类其他 AI 工具
收录2026-01-01
复核2026-01-01
编辑评分
4.3 / 5
★★★★☆
数字汉学编辑总结
数字汉学（Digital Sinology）是一个以中国古典文献数字化研究为主题的博客，作者以 digital 为署名，内容覆盖从 ctext.org 导入文本数据、用 Python 与 RDF 处理中国哲学文本数据库（ctext.org）的关联数据、以及借助 Text Tools 插件做文本复用与相似度可视化等实操教程。站点文章多为对具体研究工具与数据接口的使用演示，附有代码片段和可下载的 Jupyter 笔记本。文章发布于 2017 年至 2021 年之间，更新频率不高，内容偏技术向，适合有编程基础的数字人文研究者。官网未公开任何付费方案与商业授权信息。
数字汉学是什么？
数字汉学是一个关于中国古典文献数字化的英文研究型博客，由署名 digital 的作者维护，域名为 digitalsinology.org。内容围绕如何把中国哲学文本数据库（ctext.org）的文本与关联数据引入研究流程，提供可复现的代码示例与工具教程。
从已发布文章看，站点涉及的具体主题包括：用 Python 的 rdflib 库加载并遍历 ctext.org 的 RDF 数据、通过 ctext.org 的插件系统与 API 把文本数据导入第三方在线工具、以及使用 Text Tools 插件做文本复用（text reuse）识别与相似度热力图可视化。文章配套有演示笔记本和在线教程可供下载。
不同背景的读者用法不同：数字人文方向的研究者可以参考其中的 RDF 查询示例，把数据接入自己的分析脚本；对中国古典文献感兴趣的开发者可以借用其中的 API 调用方式做文本挖掘原型；纯文本阅读者则可以直接浏览文章内容了解相关工具的能力范围。
数字汉学核心功能
实体关系遍历示例
以 ctext.org 实体 238711 为例，演示如何列出该实体作为主语的全部断言，并递归展开空白节点，读取 type、creator、indexed-in、name 等属性以及 juan-size、stated-category 等限定符。
官方说明 ↗文本复用相似度分析
介绍 Text Tools 插件中的 Similarity 功能，可对一个或多个文本做 n-gram 匹配（如 3-gram 即三个相同字符的连续序列），并以热力图形式标示重叠片段，支持交互式点击跳转到语料中的对应位置。
官方说明 ↗按章节汇总的匹配统计
在相似度视图中可切换到 Chapter summary，把匹配结果按章节为单位聚合成表格，每一行表达两个文本实体之间某一类相似性的强度，便于从整体把握文本之间的引用与承袭关系。
官方说明 ↗ctext.org 插件与 API 接入
说明 ctext.org 的插件系统与 API 允许把该站的文本数据直接导入其他在线工具，Text Tools 即基于此机制实现，导入后工具仍能识别文本的章节结构，便于进一步做结构化分析。
官方说明 ↗配套演示资源下载
相关文章提供可下载的 Jupyter 演示笔记本与在线分步教程，读者可对照代码在自己环境中复现 RDF 加载与文本分析流程，并可在工具自身的帮助页面查看操作说明。
官方说明 ↗数字汉学值不值得用？
当你想把 ctext.org 的中国古典文献数据接入自己的 Python 分析流程时，这个博客值得一看：它给出的 RDF 加载与空白节点展开代码可以直接运行，文本复用热力图也提供了从字符 n-gram 层面观察引用关系的思路。当你想找一个开箱即用的汉学分析平台时，它并不合适——站点本身是教程性质的博客，不提供托管的分析环境，也查不到任何收费标准或服务承诺。文章发布时间集中在 2017 年至 2021 年，涉及的工具接口此后是否有变动，需要读者自行验证。
建议选它的情况
- 有 Python 基础、想把 ctext.org 数据接入自建流程的数字人文研究者
- 需要观察古典文本之间引用与承袭关系的文献学方向读者
- 希望参考 RDF 查询写法的关联数据开发者
不建议选它的情况
- 期望直接获得一个可上传文本并自动出结果的在线分析平台的人
- 不熟悉命令行与编程环境、只想阅读古籍原文的普通读者
数字汉学使用建议
入门先把路子走对
- 先装 rdflib运行示例代码前需要先在 Python 环境里安装 rdflib 库，否则 from rdflib import Graph 这一步就会失败。
- 下载并解压 RDF 转储从 ctext.org 的 Linked Open Data 页面下载 RDF 压缩包，解压后把 .ttl 文件与 Jupyter 笔记本放在同一目录，再修改代码里的文件名。
- 对上实体编号想查询某个实体，先在 ctext.org 数据维基的实体页面读取其编号，再按示例把 https://data.ctext.org/entity/ 前缀与编号拼成 URIRef。
进阶省时间也省钱
- 递归展开空白节点实体直接关联的断言对象多为空白节点，需要再对每个空白节点跑一次 triples 查询，才能读到 type、creator 等实际属性值与限定符。
- 用章节汇总看整体字符级热力图适合定位具体片段，判断两部文献整体的相似程度时切到 Chapter summary，按章节聚合的表格比逐字比对更高效。
- 注意数据版本日期示例中使用的是 2021 年 9 月 8 日的 ctext 数据转储，更换新版转储后文件名与字段范围都可能变化，需要同步调整代码与命名空间前缀。
数字汉学适合谁用？
数字人文研究者
推荐需要把 ctext.org 的文本与关联数据接入自己的分析流程，站点给出的 RDF 加载与实体遍历示例可直接作为起点。
古籍文献方向学生
推荐想用文本复用功能比对《论语》等经典的章节相似度，可按教程操作在线工具查看热力图与章节汇总表。
关联数据开发者
推荐关注 RDF 命名空间设计与空白节点加限定符的建模方式，可参考站点对 ctext、claim、cprop 等前缀的说明。
无编程基础的古籍爱好者
有条件站点内容以代码示例和 API 操作为主，阅读门槛较高，若只想读原文可优先使用 ctext.org 本身。
数字汉学优点和缺点
优点
- RDF 处理示例完整可运行，涵盖转储下载、命名空间设定到三元组遍历
- 演示了空白节点递归展开，能读到限定符层面的细节数据
- 文本复用支持字符 n-gram 匹配与交互式热力图定位
- 配套可下载的 Jupyter 笔记本与分步在线教程，便于复现
- 章节汇总视图把逐字匹配聚合成表格，便于看整体相似度
缺点
- 文章发表于 2017 至 2021 年，之后未见新增内容
- 内容为教程与示例，不提供托管的分析平台
- 官网未公开任何付费方案与服务条款
数字汉学常见问题
这个站是工具还是博客？＋
它本身是一个博客站点，文章围绕中国古典文献数字化的具体做法展开，比如用 Python 处理 ctext.org 的 RDF 数据、用 Text Tools 插件做文本相似度分析。真正承担分析功能的是它介绍的那些外部工具与数据接口，博客负责给出使用示例和操作步骤。
处理 ctext.org 数据要用什么环境？＋
示例使用 Python 的 rdflib 库，配合 Jupyter 笔记本运行。流程是先从 ctext.org 的 Linked Open Data 页面下载 RDF 转储文件并解压，放到笔记本同一目录，再在代码中调用 Graph().parse 加载该文件，之后即可按实体编号查询三元组。
文本复用功能能分析到什么程度？＋
它以 n-gram 为匹配单位，例如 3-gram 就是三个相同字符的连续序列，重叠的匹配片段会以渐亮的红色显示在热力图上。默认展示所有与其他部分存在共享 n-gram 的段落，点击高亮片段可跳转到所选语料中该 n-gram 的全部出现位置。
怎么判断两部文献整体上有多相似？＋
热力图适合定位具体片段，若要把握整体，可切换到 Chapter summary 视图。该视图按章节聚合匹配数量，以表格形式呈现，每一行表达两个文本实体之间某一类相似性的强度，比逐字比对更直观。
使用这些功能需要付费吗？＋
官网未公开任何付费方案、订阅档位或商业授权说明，文章内容以公开教程与示例代码的形式呈现。涉及具体工具与数据接口的使用条款，以对应平台的官方页面为准。
