fcrepo 1.1

连接到存储库

要连接正在运行的Fedora，我们首先需要连接。连接 代码大部分是从 Etienne Posthumus（"epoz"）duraspace模块复制的

< Buff行情>

>>> from fcrepo.connection import Connection
>>> connection = Connection('http://localhost:8080/fedora',
...                         username='fedoraAdmin',
...                         password='fedoraAdmin')

现在我们有了一个连接，我们可以创建一个fedoraclient:

< Buff行情>

>>> from fcrepo.client import FedoraClient
>>> client = FedoraClient(connection)

PIDS

Fedora对象需要一个唯一的PID才能运行。PID包括 命名空间字符串，然后是分号，然后是字符串标识符。 您可以使用随机uuid创建自己的pids，但也可以使用 Fedora的nextpid功能，返回升序数字。

>>> pid = client.getNextPID(u'foo')
>>> ns, num = pid.split(':')
>>> ns == 'foo' and num.isdigit()
True

我们还可以同时获得多个PID

>>> pids = client.getNextPID(u'foo', numPIDs=10)
>>> len(pids)
10

此方法返回Unicode字符串或Unicode字符串列表，如果 请求多个PID。

客户机抽象为"低级"提供包装器 从wadl文件生成的api代码。 下面是通过wadl api进行的相同调用：

>>> print client.api.getNextPID().submit(namespace=u'foo', format=u'text/xml').read()
<?xml  ...?>
<pidList ...>
  <pid>...</pid>
</pidList>

所以客户机方法调用wadl api中的方法， 分析得到的XML并使用合理的默认参数。

这就是大多数客户机方法调用的工作方式。 通常您不需要直接访问wadl api， 我们继续吧。

创建对象

现在我们可以获取PIDS，我们可以使用它们并创建一个新对象：

< Buff行情>

>>> pid = client.getNextPID(u'foo')
>>> obj = client.createObject(pid, label=u'My First Test Object')

不能用相同的PID创建两次对象。

< Buff行情>

>>> obj = client.createObject(pid, label=u'Second try?')
Traceback (most recent call last):
...
FedoraConnectionException: ... The PID 'foo:...' already exists in the registry; the object can't be re-created.

获取对象

当然，也可以使用客户机检索现有对象：

< Buff行情>

>>> obj = client.getObject(pid)
>>> print obj.label
My First Test Object

如果对象不存在，您将得到一个错误：

< Buff行情>

python2.6 bootstrap.py
./bin/buildout
./bin/install_fedora
./bin/start_fedora
./bin/test

0

删除对象

删除对象可以通过调用对象上的delete方法， 或者将PID传递给客户端上的deleteObject方法。

< Buff行情>

python2.6 bootstrap.py
./bin/buildout
./bin/install_fedora
./bin/start_fedora
./bin/test

1

请注意，在大多数情况下，您不想删除对象。最好是 将对象的状态设置为"已删除"。下一节将详细介绍这一点。

对象属性

在前面的例子中，我们检索了一个fedora对象。 这些对象具有许多可以获取和设置的属性：

python2.6 bootstrap.py
./bin/buildout
./bin/install_fedora
./bin/start_fedora
./bin/test

最后一行修改了Fedora服务器上的Label属性， 上次修改的日期现在应该已经更新：

python2.6 bootstrap.py
./bin/buildout
./bin/install_fedora
./bin/start_fedora
./bin/test

设置属性还可以用于更改FedoraObject的状态 使不活动或被删除。可以使用以下字符串：

• a 表示激活
• i 表示不活动
• d 表示已删除

python2.6 bootstrap.py
./bin/buildout
./bin/install_fedora
./bin/start_fedora
./bin/test

让我们尝试一种不受支持的状态：

python2.6 bootstrap.py
./bin/buildout
./bin/install_fedora
./bin/start_fedora
./bin/test

设置修改或创建日期直接导致错误，无法设置。

python2.6 bootstrap.py
./bin/buildout
./bin/install_fedora
./bin/start_fedora
./bin/test

也可以使用以下属性配置ownerID:

python2.6 bootstrap.py
./bin/buildout
./bin/install_fedora
./bin/start_fedora
./bin/test

对象数据流

Fedora对象基本上是一个数据流容器。你可以迭代 查找数据流标识或调用数据流方法的对象：

< Buff行情>

python2.6 bootstrap.py
./bin/buildout
./bin/install_fedora
./bin/start_fedora
./bin/test

8

要实际获取数据流，我们可以像访问字典一样访问它：

< Buff行情>

python2.6 bootstrap.py
./bin/buildout
./bin/install_fedora
./bin/start_fedora
./bin/test

9

数据流属性

数据流有许多属性，包括label、state和createdDate，只是 像Fedora对象一样：

< Buff行情>

>>> from fcrepo.connection import Connection
>>> connection = Connection('http://localhost:8080/fedora',
...                         username='fedoraAdmin',
...                         password='fedoraAdmin')

0

>>> from fcrepo.connection import Connection
>>> connection = Connection('http://localhost:8080/fedora',
...                         username='fedoraAdmin',
...                         password='fedoraAdmin')

1

有不同类型的数据流，这个数据流的类型是 x ，这意味着 内容内联存储在foxml文件中。foxml是内部的 Fedora的存储格式。

< Buff行情>

>>> from fcrepo.connection import Connection
>>> connection = Connection('http://localhost:8080/fedora',
...                         username='fedoraAdmin',
...                         password='fedoraAdmin')

2

数据流可以是可版本的，可以打开或关闭。

< Buff行情>

>>> from fcrepo.connection import Connection
>>> connection = Connection('http://localhost:8080/fedora',
...                         username='fedoraAdmin',
...                         password='fedoraAdmin')

3

数据流还有一个位置，它由对象pid组成， 数据流ID和版本号

< Buff行情>

>>> from fcrepo.connection import Connection
>>> connection = Connection('http://localhost:8080/fedora',
...                         username='fedoraAdmin',
...                         password='fedoraAdmin')

4

让我们更改标签，看看会发生什么：

< Buff行情>

>>> from fcrepo.connection import Connection
>>> connection = Connection('http://localhost:8080/fedora',
...                         username='fedoraAdmin',
...                         password='fedoraAdmin')

5

>>> from fcrepo.connection import Connection
>>> connection = Connection('http://localhost:8080/fedora',
...                         username='fedoraAdmin',
...                         password='fedoraAdmin')

6

位置id随数据流的每个版本和旧版本的变化而变化 仍然可用。fcrepo客户端代码不包含要检索的方法 旧版本的数据流或查看对象的审核跟踪。 实现这一点的方法在wadl api中是可用的。

Fedora可以创建数据流中存储内容的校验和， 默认情况下，如果设置checksumtype属性，则禁用校验和 对于MD5，Fedora将为我们生成校验和。

< Buff行情>

>>> from fcrepo.connection import Connection
>>> connection = Connection('http://localhost:8080/fedora',
...                         username='fedoraAdmin',
...                         password='fedoraAdmin')

7

还有一些附加属性，不是所有属性都可以设置。 有关完整列表，请参阅rest api文档。 < Buff行情>

>>> from fcrepo.connection import Connection
>>> connection = Connection('http://localhost:8080/fedora',
...                         username='fedoraAdmin',
...                         password='fedoraAdmin')

8

获取和设置内容-1

我们还可以获取和设置数据流的内容：

>>> from fcrepo.connection import Connection
>>> connection = Connection('http://localhost:8080/fedora',
...                         username='fedoraAdmin',
...                         password='fedoraAdmin')

>>> from fcrepo.client import FedoraClient
>>> client = FedoraClient(connection)

获取和设置内容-2

我们也可以直接获取和设置内容， 好像它是一本词典

>>> from fcrepo.client import FedoraClient
>>> client = FedoraClient(connection)

特殊数据流：dc

这个总是可用的数据流实际上是一种特殊的 数据流。都柏林核心酒店这个xml流中的es存储在 可搜索的关系数据库。这些值也用于 OAIPMH饲料。Fedora使用遗留的 /elements/1.1/ 命名空间，其中包含 以下术语：

• 撰稿人
• 覆盖范围
• 创建者
• 日期
• 说明
• 格式
• 标识符
• 语言
• 出版商
• 关系
• 权利
• 来源
• 主题
• 标题
• 键入

查看都柏林核心网站，了解这些属性的说明。

由于手工编辑dublin core xml数据有点麻烦， dc数据流允许访问dc属性，就像数据流 是字典：

>>> from fcrepo.client import FedoraClient
>>> client = FedoraClient(connection)

这也可用于设置值：

>>> from fcrepo.client import FedoraClient
>>> client = FedoraClient(connection)

>>> from fcrepo.client import FedoraClient
>>> client = FedoraClient(connection)

为了保存这个，我们再次调用setcontent方法，但是这次没有 论据。这将使代码使用字典中的值 为您生成XML字符串

>>> from fcrepo.client import FedoraClient
>>> client = FedoraClient(connection)

内联XML数据流

让我们尝试添加一些数据流，例如，我们希望存储一些xml数据：

< Buff行情>

>>> from fcrepo.client import FedoraClient
>>> client = FedoraClient(connection)

6

托管内容数据流

我们还可以添加托管内容，这将由Fedora存储和管理， 但它不是内联XML。数据存储在 硬盘驱动器。我们通过将controlgroup param设置为 m

< Buff行情>

>>> from fcrepo.client import FedoraClient
>>> client = FedoraClient(connection)

7

这对于小文件来说是很好的，但是当你不想保存的时候 整个文件在内存中也可以提供一个文件流。让我们做一个3MB 文件：

< Buff行情>

>>> from fcrepo.client import FedoraClient
>>> client = FedoraClient(connection)

8

现在我们将打开文件并将其流到Fedora。然后我们读了整件事 在内存中查看大小是否相同：

< Buff行情>

>>> from fcrepo.client import FedoraClient
>>> client = FedoraClient(connection)

9

外部引用的数据流

对于大型文件，将它们存储在Fedora中可能不方便。 在这种情况下，文件可以在外部托管，我们存储一个数据流 控制组类型 e （外部参考）

< Buff行情>

>>> pid = client.getNextPID(u'foo')
>>> ns, num = pid.split(':')
>>> ns == 'foo' and num.isdigit()
True

0

此数据流没有任何内容，因此尝试读取 内容将导致错误

< Buff行情>

>>> pid = client.getNextPID(u'foo')
>>> ns, num = pid.split(':')
>>> ns == 'foo' and num.isdigit()
True

1

我们可以通过：

< Buff行情>

>>> pid = client.getNextPID(u'foo')
>>> ns, num = pid.split(':')
>>> ns == 'foo' and num.isdigit()
True

2

最后一个数据流类型是外部引用的流 重定向。此数据流具有controlgroup r （引用重定向）

< Buff行情>

>>> pid = client.getNextPID(u'foo')
>>> ns, num = pid.split(':')
>>> ns == 'foo' and num.isdigit()
True

3

此数据流的工作方式与外部引用流相同。

删除数据流

通过对对象使用python del关键字可以删除数据流， 或者在数据流上调用delete方法。

< Buff行情>

>>> pid = client.getNextPID(u'foo')
>>> ns, num = pid.split(':')
>>> ns == 'foo' and num.isdigit()
True

4

另一个特殊的数据流：rels-ext

除了特殊的数据流之外，还有另一种特殊的数据流 调用了rels-ext。 此数据流应包含将在 三重宝石。 rels-ext 数据流有一些额外的方法来帮助 使用RDF数据。

要创建rels-ext流，我们不需要提供rdfxml文件，它将 如果没有发送数据，请创建一个空的。

< Buff行情>

>>> pid = client.getNextPID(u'foo')
>>> ns, num = pid.split(':')
>>> ns == 'foo' and num.isdigit()
True

5

现在我们可以添加一些rdf数据。每个谓词都包含一个值列表，每个值 value是一个带有value和type键的字典，还可以选择lang和 数据类型密钥。这与 rdf+json格式

< Buff行情>

>>> pid = client.getNextPID(u'foo')
>>> ns, num = pid.split(':')
>>> ns == 'foo' and num.isdigit()
True

6

为了保存这个，我们调用setcontent方法而不需要任何数据。 这将把rdf语句序列化为rdfxml并执行save操作：

< Buff行情>

>>> pid = client.getNextPID(u'foo')
>>> ns, num = pid.split(':')
>>> ns == 'foo' and num.isdigit()
True

7

我们不允许使用 dc 命名空间添加语句。 这将导致错误。我想这是因为 通过 dc 数据流。

< Buff行情>

>>> pid = client.getNextPID(u'foo')
>>> ns, num = pid.split(':')
>>> ns == 'foo' and num.isdigit()
True

8

我们还可以使用rdf来创建对象之间的关系。例如，我们可以添加 一个使用fedora ismemberofcollection的关系，它可以用于分组 对象放入在OAIPMH源中使用的集合。

< Buff行情>

>>> pid = client.getNextPID(u'foo')
>>> ns, num = pid.split(':')
>>> ns == 'foo' and num.isdigit()
True

9

>>> pids = client.getNextPID(u'foo', numPIDs=10)
>>> len(pids)
10

0

注意，fedora pid需要先转换为uri，然后才能 在rdf中引用，这是通过将 info:fedora/ 前置到pid来完成的。

服务定义和对象方法

除了datastreams之外，fedora对象还可以通过 服务定义。我们不提供对服务定义的直接访问 但假设所有方法都有唯一的名称。

< Buff行情>

>>> pids = client.getNextPID(u'foo', numPIDs=10)
>>> len(pids)
10

1

>>> pids = client.getNextPID(u'foo', numPIDs=10)
>>> len(pids)
10

2

搜索对象

Fedora有两个搜索功能：字段查询搜索和简单查询搜索。 它们都从 dc 数据流和fedora对象属性中搜索数据。

字段搜索查询可以搜索以下字段：

< Buff行情>

• 日期
• 撰稿人
• 覆盖范围
• 创建者
• 日期
• dcmdate
• 说明
• 格式
• 标识符
• 标签
• 语言
• mdate
• 所有者ID
• PID
• 出版商
• 来源
• 状态
• 主题
• 标题
• 键入
• 权利

Fedora有一个查询语法，您可以在其中输入一个或多个条件，用空格分隔。将返回符合所有条件的对象。

条件是一个字段（从上面的字段名中选择），后跟一个运算符和一个值。

如果字段的整个值与给定值匹配，=运算符将匹配。 ~运算符将匹配字段中的短语，并接受？和*通配符。 <；、>；、<；=和>；=运算符可用于日期等数值。

示例：

< Buff行情> < DL>

pid~演示：*说明~fedora

将所有演示对象与包含fedora一词的描述匹配。

cdate>；=1976-03-04创建者~*n*

匹配1976年3月4日或之后创建的对象，其中至少有一个创建者的名称中有n。

日期>；2002-10-2日期<；2002-10-2t12:00:00

匹配2002年10月2日中午（UTC）之前修改的对象

因此，让我们创建5个对象，用于搜索：

< Buff行情>

>>> pids = client.getNextPID(u'foo', numPIDs=10)
>>> len(pids)
10

3

现在我们将使用pid搜索来搜索这些对象，我们还需要标签 从搜索返回。

< Buff行情>

>>> pids = client.getNextPID(u'foo', numPIDs=10)
>>> len(pids)
10

4

搜索返回一个生成器，默认情况下，它向服务器查询 前10个对象，但是如果遍历resultset并结束 下一批将自动添加。

为了说明这一点，我们将使用2:

< Buff行情>

>>> pids = client.getNextPID(u'foo', numPIDs=10)
>>> len(pids)
10

5

如图所示，我们实际上得到的结果比最大值2要多，但是客户机要求 当我们遍历结果时，将结果分成两批使用Fedora 发电机。

当我们要在所有字段中搜索时，只需删除条件"pid:"， 并指定"terms=true"。搜索不区分大小写，使用*还是？作为通配符。

< Buff行情>

>>> pids = client.getNextPID(u'foo', numPIDs=10)
>>> len(pids)
10

6

RDF索引搜索

除了在关系数据库中搜索dc数据流之外， 也可以通过triplestore查询rels-ext数据流 使用SPARQL语言。

让我们在 rels-ext数据流示例

< Buff行情>

>>> pids = client.getNextPID(u'foo', numPIDs=10)
>>> len(pids)
10

7

其他输出格式和查询语言可以通过 仅支持默认SPARQL。

searchTriples方法还有一个 flush 参数。 如果在fedora中更改rels-ext数据流，那么triplestore实际上不是 更新！当搜索到 true 时，必须将此flush参数设置为 确保更新了TripleStore。默认情况下，Fedora设置刷新 参数设置为 false 这对于性能来说是可以理解的，但是 可能会很混乱。 默认情况下，此库将参数设置为 true 效率高，但您确信TripleStore是最新的。