ジャパンサーチからSPARQLでデータ取得

ジャパンサーチとは

ジャパンサーチは，様々な分野のデジタルアーカイブと連携することで， 日本が保有するコンテンツを横断的に検索することができるポータルサイトのことです（現在はベータ版が公開）． コンテンツには，作品名，分類，品質形状，時代世紀，所蔵者などのメタデータ付与されており， 地方活性化，教育研究など様々な目的で活用することが可能となっています． 2019年10月現在においては，連携データベース数は50，また， 登録されているメタデータ件数（コンテンツ数）は17,959,770となっており， 今後も登録数は増加していくと考えられます．

それでは，「名古屋城図」をキーワードに検索してみましょう． すると，国立国会図書館デジタルコレクションに所属される 名古屋城図がヒットします． このデジタル化された地図は パブリックドメイン であり，著作権による制限を受けず，自由に利用することができます． また，メタデータとして，下記に示すような情報が提供されます（一部のみを掲載）．

これらのレコード（メタデータ）を取得するには下記の2通りの方法があります．

• 簡易Web API
• SPARQL API

簡易Web API は，登録されているレコードを検索するための簡易的な機能です． プログラミングの必要はなく，ブラウザで指定する URL に一工夫するだけで検索が可能です． 一方，SPARQL APIは，問い合わせ言語であるSPARQL（スパークル）を利用して， 様々な条件を指定してレコードを取得する機能です．

簡易Web API を体験してみよう！

簡易Web APIは，下記URLに引数（条件）を与えてアクセスすることで， 条件を満たしたレコードをJSON形式で取得可能な仕組みになっています．

https://jpsearch.go.jp/api/item/search/jps-cross?

取得されるJSON形式のデータをそのまま人間が理解するのは困難です． そこで，weBinko JSON Visualizationなどの可視化ツールを利用すると良いです．

キーワードで検索

キーワードで検索するには，URLの最後にkeyword=(キーワード)を指定します． 例えば，名古屋城図を検索する場合は，下記のURLにアクセスします．

https://jpsearch.go.jp/api/item/search/jps-cross?keyword=名古屋城図

取得件数の制限

このままだと検索結果が多すぎて分かりにくいので，取得件数を制限することにします． 取得件数を制限するするには，size=（件数)を指定します． 例えば，2件のレコードを取得する場合は，下記のURLにアクセスします．

https://jpsearch.go.jp/api/item/search/jps-cross?keyword=名古屋城図&size=2

人物を指定した検索

レコードに関連する人物の名前を指定して検索することもできます． 人物を指定するには，q-contributor=（人物の名前）を指定します． 例えば，豊臣秀吉に関連するするレコードを取得する場合は，下記のURLにアクセスします．

https://jpsearch.go.jp/api/item/search/jps-cross?q-contributor=豊臣秀吉&size=2

場所を指定した検索

レコードに関連する場所の名前を指定して検索することもできます． 場所を指定するには，q-loc=(場所の名前)を指定します． 例えば，名古屋に関連するするレコードを取得する場合は，下記のURLにアクセスします．

https://jpsearch.go.jp/api/item/search/jps-cross?q-loc=名古屋&size=2

SPARQL API を体験してみよう！

SPARQL（スパークル）は， W3C によって標準化された問い合わせ言語です． データベースに詳しい方はSQLと名前が似ていることに気づくのではないでしょうか． 実際，SPARQLの記述ルールはSQLにとてもよく似ています．

例えば，ジャパンサーチから古書・古文書を検索するには，下記のように記述します． SELECTやWHEREなど馴染みのある単語が並んでいますね（詳細は次章で解説）．

SELECT ?url WHERE{
  ?url rdf:type type:古書・古文書.
}

PythonやRubyなど主要なプログラミング言語では， SPARQLを利用するためのライブラリが提供されており， 比較的簡単に導入が可能です． また，ジャパンサーチ以外にも，SPARQLが利用可能なサービスが存在しています． その多くは，LOD（Linked Open Data）と呼ばれる， ウェブ上でデータを公開・共有するための仕組みであり， その検索にSPARQLが採用されています．

• DBpedia Japanese
• Wikidata
• 統計LOD

ここでは，JavaScriptを利用して，ジャパンサーチにSPARQLで問い合わせをしてみましょう． ソースはGitHubで公開していますので，各自ダウンロード（またはクローン）してください． GitHubに詳しくない場合は， Download ZIP をクリックし，ダウンロードしたZIPファイルを展開すると良いです．

naoto-github/JSSparql

それでは，index.htmlをブラウザで開いてみてください． これは，SPARQLで取得したデータを表形式に整形し表示したものです（jQueryなどのライブラリを利用していますが詳細は割愛）． SPARQLを書き換えれば，この結果も変わることになります（ブラウザのリロードが必要なことに注意すること）．

次に，sparql.jsをエディタ（Atomなど）で開いてください． このファイルには，6つのSPARQLの例が記述されており， それぞれ，sparql1，spqrql2などの変数に代入されています． また，myqueryという変数に，上記のいずれかを代入することで， 対象のSPARQLを実行するという仕組みになっています． 初期状態では，sparql1が実行されます． myqueryへの代入を変更すると，表示結果も変わることを確認してください．

var sparql1 = `
SELECT ?url WHERE{
  ?url rdf:type type:古書・古文書.
}
`;

var myquery = sparql1

古書・古文書で検索

それでは，具体例を見ていきましょう． 1番目のSPARQLは下記のように記述されています． SELECTの後にある?urlは取得するデータ， また，WHEREに続くブロックは検索条件を表しています．

SELECT ?url WHERE{
  ?url rdf:type type:古書・古文書.
}

検索条件は RDF(Resource Description Framework) と呼ばれる枠組みで表現することになっています． これは，RDFトリプルとも呼ばれ，主語，述語, 目的語 を組み合わせて表現します．

上記の例では，主語は?url，述語はrdf:type，目的語はtype:古書・古文書に一致します． まず，?urlは，ジャパンサーチのコンテンツそのものであり，そのコンテンツのメタデータが記載されたURL（URL）を表します． 次に，rdf:typeは，プロパティと呼ばれ，コンテンツの基本区分を表しています（基本区分の一覧はコチラ）． 最後に，type:古書・古文書は，プロパティに対する値であり，ジャパンサーチによって事前に定義されています． つまり，このSPARCLは「基本区分が古書・古文書であるコンテンツのURL」の検索を意味しています．

プロパティは，rdf:typeに加え，コンテンツを識別する名前であるrdfs:label， コンテンツの時間に関する情報を表すschema:temporal， コンテンツの位置に関する情報を表すschema:spatialなどがあります． 詳しくは公式の利活用スキーマ解説を参照してください．

検索された結果の最初のレコードを確認してみましょう． 基本区分が古書・古文書となっていることがわかります．

ラベルの表示

2番目のSPARQLは下記のように記述されています． SELECTに ?label が追加され， また，WHEREにはコンテンツのラベルを表すrdfs:labelを用いた条件が追加されています．

SELECT ?url ?label WHERE { 
  ?url rdf:type type:古書・古文書.
  ?url rdfs:label ?label.
} 

この条件は，主語は?url，述語はrdfs:label，目的語は?labelに一致します． 実は，この目的語の?labelは値ではなく，変数を意味しています（接頭語として?を付けると変数になる）． 変数は特定の値ではなく，条件を満たす全て が該当します．

主題・分類・ジャンルの表示

3番目のSPARQLは下記のように記述されています． SELECTに ?about が追加され， また，WHEREにはコンテンツの主題・分類・ジャンルを表すschema:aboutを用いた条件が追加されています．

SELECT ?url ?label ?about WHERE { 
  ?url rdf:type type:古書・古文書;
       rdfs:label ?label;
       schema:about ?about.
} 

この条件は，述語はschema:about，目的語は?aboutに一致しますが，主語が見当たりません． 実は，これは主語を省略した記述方法です． 条件を複数列挙するとき，主語が共通の場合は，条件の最後に;を付けることで，次の条件からは主語を省略できます．

検索結果をフィルタリング

4番目のSPARQLは下記のように記述されています． SELECTには変更はありませんが， WHEREにはFILTER式 を用いた条件が追加されています．

SELECT ?url ?label ?about WHERE { 
  ?url rdf:type type:古書・古文書;
       rdfs:label ?label;
       schema:about ?about.
       FILTER CONTAINS(?label, "名古屋城図")
} 

この FILTER式 は検索結果にフィルタをかけて，特定のレコードのみを抽出する機能があります． ここでは，?labelに 名古屋城図 という文字列を含むレコードのみを抽出しています．

検索結果で並べ替え

5番目のSPARQLは下記のように記述されています． WHEREの後に ORDER BY が追加されています．

SELECT ?url ?label ?about WHERE { 
  ?url rdf:type type:古書・古文書;
       rdfs:label ?label;
       schema:about ?about.
       FILTER CONTAINS(?label, "名古屋城図")
} 
ORDER BY ?label

この ORDER BYは，指定した変数の値を昇順で並び替えを行います． 降順にする場合は ORDER BY DESC と記述します． ここでは，ラベルの昇順で並び替えてることがわかります．

検索結果数の制限

6番目のSPARQLは下記のように記述されています． WHEREの後に LIMIT が追加されています．

SELECT ?url ?label ?about WHERE { 
  ?url rdf:type type:古書・古文書;
       rdfs:label ?label;
       schema:about ?about.
       FILTER CONTAINS(?label, "名古屋城図")
} 
LIMIT 3

この LIMITは，検索結果数を制限するときに用います． ここでは，3件のレコードのみを取得しています．

最後に

ここでは，デジタルアーカイブの横断検索が可能なジャパンサーチに注目し， 簡易Web APIとSPARQL APIを利用して，コンテンツのメタデータを検索する方法を紹介しました． 日本は世界でも有数の文化資材を保有する国の一つです． これらコンテンツを有効活用することで，日本の魅力はさらに向上し， 我々の生活はより文化的に豊かになることが予想されます． ここで学んだ知識・技術を活用しすることで， 世界を席巻するようなアプリやサービスが登場することを期待しています．

参考書籍