RDF 的 Turtle、TriG、N-Triples、N-Quads、JSON-LD 和 RDF/XML 有什么区别？

快速对照

RDF Graph 与 RDF Dataset 先分清

RDF Graph 是 Triple 的集合，每条 Triple 由 Subject、Predicate、Object 组成。RDF Dataset 包含一个 Default Graph 和零个或多个 Named Graph；Named Graph 由 graph name 与一个 RDF Graph 关联。

若数据只有一个 Graph，Turtle、N-Triples、JSON-LD 与 RDF/XML 都可作为候选。若要保留“这组三元组来自数据源 A、那组来自版本 B”这类图分区，则需要 Dataset-capable 格式，例如 TriG 或 N-Quads。

把 N-Quads 的第四列删除会合并图边界，信息不可逆。反过来，把单 Graph 文件装进一个随意 Named Graph 也会新增应用语义，不能称为纯格式转换。

Turtle：面向人的紧凑单图语法

Turtle 使用 Prefix、Base IRI、;、,、Blank Node property lists 与 collections 压缩重复内容：

a 是 rdf:type 的语法糖；分号复用 Subject，逗号复用 Subject 与 Predicate。它们只缩短文本，不创建额外语义层。

Turtle 适合手工维护本体、小型知识图谱和规范示例。但紧凑语法让简单逐行 parser 不可靠，必须使用合规 RDF parser。

Turtle 的 Prefix 与 Base IRI

Prefix declaration 把 schema:name 展开为完整 IRI。Prefix 名只是当前文档缩写，不进入 RDF Graph；解析后的 Predicate 是完整 IRI。两个文件可用不同 Prefix 表达同一图。

Base IRI 用于解析相对 IRI。Base 可以由文档声明、解析器参数或检索 URL 提供。移动文件或改变 Base 后，相同文本可能解析成不同完整 IRI，因此数据交换最好明确声明 Base 或使用绝对 IRI。

Prefix 不是 XML namespace，虽然都用于缩写名称，语法与解析规则不同。不能把 Turtle Prefix declaration 原样复制进 RDF/XML。

TriG：给 Turtle 加上图块

TriG 扩展 Turtle，用 graph blocks 表达 RDF Dataset：

带 graph label 的块是 Named Graph，无名称块或块外的相应语法进入 Default Graph。Graph label 通常是 IRI，也可按规范使用 Blank Node label。

TriG 适合人读的数据集、provenance 分区和 SPARQL dataset 交换，但 graph name 本身不自动断言“来源”“签名者”或“真值”。它只是 Dataset 中的名称关联，业务语义需用额外 vocabulary 建模。

Turtle 与 TriG 的关键区别

Turtle 文档表示一个 RDF Graph，TriG 文档表示 RDF Dataset。TriG 大量复用 Turtle 的 Triple 语法，所以一个简单文件看起来可能几乎相同，但媒体类型和 parser 模式不同。

不要依赖 Turtle parser 容忍 graph blocks；也不要用 TriG 导出后只读取 Default Graph，忽略所有 Named Graph。导入 API 应明确返回 Graph 还是 Dataset。

如果系统数据库内部支持多个 Named Graph，而导出端选择 Turtle，就必须为每个图分别导出或明确合并策略，否则来源边界会丢失。

N-Triples：每行一个 Triple

N-Triples 使用非常受限的行式语法：

它不支持 Prefix、Base、;、, 或 Turtle 的集合缩写。每条 Triple 独立，适合流式处理、测试 fixture、分片和许多批处理工具。

“一行一个 Triple”不等于任意换行都可无脑 split，literal escape、字符编码和语法仍需按规范解析。错误恢复与行号定位通常比 Turtle 简单，但不是 CSV。

N-Quads：N-Triples 加第四个 Graph Label

N-Quads 在 Triple 后可增加 graph label，表示该 Triple 属于哪个 Named Graph：

第一行有第四项，属于 Named Graph；第二行只有 Triple，属于 Default Graph。结尾句点仍是语法的一部分。

N-Quads 适合大规模 Dataset 导出、排序、外部合并和逐行管线。它比 TriG 冗长，却减少状态化缩写，更适合机器生成与处理。

N-Triples 与 N-Quads 的区别

N-Triples 只能承载一个 Graph；N-Quads 能承载 Dataset。将一个 N-Triples 文件作为 N-Quads 解析时，所有行可视为 Default Graph，但媒体类型与工具支持仍应正确声明。

第四项不是“来源 URL 注释”，而是 Graph Label。它不会自动表示 Triple 的创建者、时间或置信度。要表达 provenance，应在另一个 Graph 中对 graph IRI 建立明确语句，使用 PROV-O 等 vocabulary。

按文本 sort 的 N-Quads 也不是可靠 RDF Dataset canonicalization。Blank Node labels 可变化，Unicode/escape 表达不同，文本顺序本来就没有 RDF 语义。

JSON-LD：让 JSON 表达 Linked Data

JSON-LD 使用 @context 将 JSON keys 映射为 IRIs，并定义类型、语言、容器和相对 IRI 解析：

普通 JSON key name 本身没有 RDF 意义，是 Context 把它映射到 schema:name。@id 表示节点标识，@type、@value、@language、@graph 等关键字承担 Linked Data 语义。

JSON-LD 是 RDF 的标准 JSON 序列化/处理模型，不等于“任何 JSON 都自动成为知识图谱”。

@context 是语义映射，不只是字段别名

Context 可以内联，也可引用远程文档。它不仅缩短 IRI，还能指定某字段值是 IRI、语言字符串、类型化 literal、list 或 set。错误 Context 会在 JSON 结构看似正常时产生完全不同 RDF。

远程 Context 引入网络、版本与供应链风险。生产系统应固定可信 URL、缓存与完整性策略，限制递归加载和大小，不能让不可信用户指定任意 Context 触发 SSRF。

API 升级 Context 时要保持术语映射兼容。相同 key 在 v1/v2 映射不同 IRI，是语义破坏性变更，即使 JSON Schema 仍通过。

JSON-LD Expanded、Compacted、Flattened 与 Framed

JSON-LD Processing Algorithms 定义 expansion、compaction、flattening 等操作。Expanded 形式使用完整 IRI 与数组化结构，冗长但语义明确；Compacted 形式应用 Context 得到开发者友好的 keys；Flattened 形式把节点集中并用引用连接。

Framing 按 frame 组织输出形状，更像从 RDF Graph 投影出应用需要的树。Frame 改变 JSON 展示结构，不改变底层 Graph 的事实，但嵌入位置和数组形状会变化。

比较两个 JSON-LD 文件时不能直接 JSON deep-equal。不同 Context、顺序、嵌入与 Blank Node labels 可以表达等价 RDF。

JSON-LD 如何表示 Named Graph

JSON-LD 可通过 @graph、节点对象与 Dataset 处理规则表达 Named Graph。一个带 @id 和 @graph 的节点对象可关联 graph name 与其 Graph 内容。

但 JSON-LD 应用经常只使用单 Graph 子集。导入器若只调用“to RDF graph”接口，可能忽略 graph name。必须选择返回 Dataset/quads 的 API，并以 N-Quads 测试 Default/Named Graph 保真。

@graph 也可用于不命名的 graph container/组织形式，具体语义要结合周围 @id 和算法，不能看到关键字就假设一定是 Named Graph。

RDF/XML：XML 语法表示 RDF Graph

RDF/XML 使用 XML elements、attributes、namespace declarations、rdf:about、rdf:resource 等表达 RDF Triple：

XML 树只是序列化语法。解析结果是 RDF Graph，不应把 XML element hierarchy 直接当作知识图谱层级。

RDF/XML 适合已有 XML/RDF 工具链和历史数据交换，但人读性较差，序列化选择多，文本 Diff 往往噪声较大。

RDF/XML 的 QName 与表达限制

RDF/XML 使用 XML QName 表达某些 property IRIs。并非任意 IRI 都能无损拆成合法 XML namespace + local name，因此 RDF/XML 无法方便地序列化所有理论上合法的 RDF Graph 结构。

Turtle、N-Triples 和 JSON-LD 对任意 Predicate IRI 的表达更直接。迁移旧系统时应使用库实际序列化测试特殊 IRI，不要假设 RDF/XML 是所有 RDF 的万能中间格式。

XML 实体、DTD、外部资源与解析器安全也需配置。RDF parser 应禁用不必要的外部实体，防范 XXE 和资源耗尽。

Literal 在六种格式中的表达

RDF Literal 包含 lexical form，以及 datatype IRI 或 language tag。Turtle/N-Triples 可写：

Turtle 还支持数字、布尔值的简写；N-Triples通常显示更明确。JSON-LD 使用 @value、@type、@language 或 Context coercion；RDF/XML 使用 element text、rdf:datatype 和 xml:lang。

序列化表面值不同不代表 RDF Literal 不同或相同。Lexical form 与 datatype 都参与语义；"01"^^xsd:integer 和 "1"^^xsd:integer 的 lexical form 不同，即使 datatype value 可能相等。

Blank Node Labels 不是稳定 ID

Turtle、TriG、N-Triples 和 N-Quads 可用 :b1 等 label，JSON-LD 也可能出现 blank node identifier。Label 只在相应序列化/作用域内区分 Blank Nodes，不是全局 IRI。

解析再序列化时 label 可以从 :b1 变成 :genid42，Graph 仍可能同构。数据库导出两次 label 不同，不表示业务实体变化。

需要跨文件稳定引用时使用受控 IRI，不要把 Blank Node label 存进外部数据库当主键。签名、哈希与精确 Diff 需要 RDF Dataset canonicalization 算法，不能直接 hash 原文本。

Collections 与 RDF List

Turtle 的 ( ex:a ex:b ) 是语法糖，解析后生成由 rdf:first、rdf:rest、rdf:nil 和 Blank Nodes 组成的 RDF List。JSON-LD @list 也映射到相应 RDF 集合结构。

N-Triples/N-Quads 没有集合缩写，会显示所有链式 Triples。RDF/XML 使用 parseType 或显式结构表达，具体序列化可能不同。

RDF List 有顺序；普通多个相同 Predicate 的 Objects 是集合式关系，没有隐含顺序。格式转换不能把多个值的文本顺序误当 RDF 顺序。

文本顺序与重复 Triple

RDF Graph 是 Triple 集合，Triple 文本顺序没有语义；重复相同 Triple 也不会让 Graph 多一个事实。JSON-LD arrays 在没有 @list 容器语义时，通常不应被解释为 RDF 顺序。

因此格式转换后行序、对象展示顺序和 Prefix 排列改变很正常。应用若需要排序，应把序号建模为数据，或使用 RDF List/Seq 等明确结构。

流式处理可保留输入顺序作为实现细节，但 API 契约不能把它伪装成 RDF 标准语义。

Canonicalization、Hash 与数字签名

直接对 Turtle、JSON-LD 或 RDF/XML 文件做 SHA-256，只能证明文本字节相同，不能证明两个 RDF Graph 语义不同。Prefix、空白、Triple 顺序、JSON-LD compaction 和 XML 序列化方式变化，都会改变字节而不改变事实集合。

需要跨序列化的稳定 Hash 或数字签名时，应先采用适用于 RDF Dataset 的规范化算法，把 Blank Nodes 一致化并产生确定性表示，再计算摘要。简单把 N-Quads 按行排序仍不够，因为两个同构 Dataset 的 Blank Node labels 可以不同。

签名系统还要明确 Dataset 边界、Graph name、canonicalization 版本、Hash 算法和证明元数据。验证者必须重现完全相同的规范化流程，不能一方签 Turtle 原文、另一方把 JSON-LD 转换后比较。

Parser 错误、恢复与安全边界

批量导入应把语法错误与语义验证分开。RDF parser 成功只证明文本可解析，不证明 vocabulary、SHACL 约束、IRI 政策或业务规则正确；SHACL 验证通过也不保证来源可信。

对不可信数据设置文件大小、Triple/Quad 数量、literal 长度、递归 Context、网络取回、XML entity 与处理时间限制。JSON-LD 远程 Context、RDF/XML 外部实体和超长 Turtle collection 都可能带来网络访问或资源消耗。

发生错误时记录文件、行列、媒体类型、Base IRI 和 parser 版本，但避免把整份敏感数据写入日志。不要让 parser 自动猜格式后在失败时切换多种宽松模式，否则同一输入可能被不同节点解析成不同结果。

MIME Type 与 Content Negotiation

服务器应返回正确 Content-Type：Turtle text/turtle、TriG application/trig、N-Triples application/n-triples、N-Quads application/n-quads、JSON-LD application/ld+json、RDF/XML application/rdf+xml。

客户端可通过 Accept 声明偏好。服务端选择不同序列化时，Graph/Dataset 语义应保持，并设置合适 Vary: Accept，避免缓存把 RDF/XML 返回给只接受 JSON-LD 的客户端。

application/json 不等于 application/ld+json。若 API 为兼容返回普通 JSON media type，应明确 profile/contract，通用 JSON-LD processor不能仅凭内容猜测。

选型建议

人工编写和审阅单图选 Turtle；人工审阅 Dataset 选 TriG；大规模行式单图选 N-Triples；需保留 Named Graph 的批量数据选 N-Quads；Web/API 与 JSON 工具链选 JSON-LD；已有 XML/RDF 生态或对方强制时选 RDF/XML。

内部主存储不必等于外部交换格式。数据库可存 quads，面向开发者返回 JSON-LD，审计导出 N-Quads，同时确保转换测试验证 Dataset、datatype、language、Blank Node 和 Base IRI。

不要为了文件更小只看 gzip 前字节数。解析速度、流式能力、错误定位、生态兼容和语义保真通常更重要。

格式转换验收清单

• 确认输入输出是 Graph 还是 Dataset；
• 使用正确 MIME type 与 parser 模式；
• 固定或显式提供 Base IRI；
• 验证 Prefix 只影响展示，不影响完整 IRI；
• 保留 datatype 与 language tags；
• 区分 RDF List 和无序多值；
• 不比较 Blank Node label 字符串；
• 对 Named Graph 数量和 graph names 做断言；
• 用 Graph/Dataset isomorphism 比较，不用文本 Diff 证明等价；
• 对远程 JSON-LD Context 与 XML parser 做安全限制。

常见误区

• RDF 就是 RDF/XML
• 错误。RDF 是数据模型，RDF/XML 只是多种序列化之一。
• Turtle 可以原样保存 Named Graph
• 错误。Turtle 表示单 Graph；Dataset 应使用 TriG、N-Quads 或其他支持格式。
• JSON-LD 就是加了几个 @ 字段的普通 JSON
• 错误。其语义由 Context 和 JSON-LD Processing Algorithms 决定。
• Blank Node label 可跨导出当永久 ID
• 错误。Label 是局部标识，重新序列化可改变；稳定实体应使用 IRI。
• 两个 RDF 文件文本不同就表示数据不同
• 错误。Prefix、顺序、缩写和 Blank Node labels 都可不同，应比较 Graph/Dataset 同构。