把一部古典小说建模成知识图谱：红楼梦图鉴的数据、本体和单文件 HTML

最近做了一个 side project：《红楼梦·人物事件地理图鉴》，把《红楼梦》前八十回整理成一个可交互的网页------人物谱、逐日事件、地图、诗词检索，再加一张知识图谱。免费、开源。

在线体验：wangweilong334.github.io/hongloumeng...
仓库：github.com/wangweilong...

这篇不讲红学，主要聊工程上的几个问题：数据怎么组织、本体怎么设计、古代的时辰和地名怎么"翻译"成程序能处理的东西，以及为什么最后交付的是一个单独的 HTML 文件。

一、数据来源

底本是《红楼梦脂评汇校本》（甲戌本系统），回目、正文摘句、脂批都依此本。我从版面里解出了前八十回的正文和批语，放在 data/chapters.json。

按各回统计字段 n_chars 加总，正文共 623,645 字；n_comments 加总，批语 5,634 条（其中夹有回目标记，不全是批语正文）。第十七、十八回在汇校本里未分回，所以仍是 80 条章节记录。

人物与情节插图取自清代改琦《红楼梦图咏》和孙温《绘全本红楼梦》，以 base64 形式嵌进页面（img 里共 255 张），每张都有 imgsrc / imgcap 记录出处和图注。

二、数据结构

仓库 data/ 下有四个文件。

1. honglou_data.json：页面用到的全部结构化数据，顶层键是：

css 复制代码

people, places, events, relations, quotes, years, eras, maps,
chapters, gems, days, onto, china, img, imgsrc, imgcap

数量：people 115、places 54、events 51、relations 163、quotes（脂批）14、eras 7、gems（诗词曲赋判词等）117、days 71。一条人物记录长这样（节选）：

json 复制代码

{
  "id": "jiajing", "name": "贾敬", "fam": "贾",
  "role": "宁府老爷，袭爵后弃家好道",
  "nick": ["炼丹翁"], "place": "玄真观",
  "birth": -25, "death": "红楼十七年四月廿六夜", "death_ch": 63,
  "mentions": 20, "first": 2,
  "chapters": [2, 10, 13, 18, 53, 63, 64], "cls": "zhuzi"
}

人物关系用了最省事的四元组：[主体, 客体, 关系, 备注]。

json 复制代码

["jiamu", "baoyu", "祖孙", "隔代最疼"]

细粒度的关系词（祖孙、叔侄、翁婿......）再通过 onto.rel2prop 映射到本体里的粗粒度属性，比如 "祖孙": "qinshu"（血亲眷属）。这样页面上显示"祖孙"这样贴近原文的词，图谱里又能按大类聚合。

2. chapters.json ：80 条，每条字段为 num, title, start_pdf, end_pdf, body, comments：

json 复制代码

{ "num": 1, "title": "甄士隐梦幻识通灵贾雨村风尘怀闺秀",
  "start_pdf": 12, "end_pdf": 28,
  "body": "甄士隐梦幻识通灵 贾雨村风尘怀闺秀①    列位看官，你道此书从何而来？......" }

start_pdf / end_pdf 保留了在原 PDF 中的页码，方便回查。

3. mentions.json ：只有一个键 first_seen，记录 159 个姓名/称呼的出现统计：

json 复制代码

"贾母": { "chapter": 3, "count_at_first": 41, "total": 1717,
          "chapters": [3, 4, 5, 6, ..., 80] }

注意人物谱里的"提及次数"不是直接拿这里的数------同一个人有姓名、简称、外号，需要另行归并。

4. ontology.ttl：同一套知识的 OWL / Turtle 序列化，下一节展开。

三、本体设计

本体分两层：模型层（TBox）定义类和属性，实例层（ABox）放具体的人、事、地。前缀用的是 http://example.org/honglou#。

类：7 个顶层类------人物、事件、地点、家族、纪年、脂批、作品；下挂 22 个子类。人物按身份分 7 类（主子姻眷、官宦皇亲、仆婢仆役、优伶伶人、医卜清客、方外僧道、市井平民），事件按性质分 9 类，地点按虚实分 6 类。

turtle 复制代码

:人物 a owl:Class .
:事件 a owl:Class .
:地点 a owl:Class .
:主子姻眷 rdfs:subClassOf :人物 .
:诗社雅集 rdfs:subClassOf :事件 .
:园林院苑 rdfs:subClassOf :地点 .

对象属性 ：共 21 个。其中人物---人物关系 10 个：血亲眷属、夫妻妾室、主仆役使、朋友知交、情缘私恋、仇怨对立、师恩庇护、交易勾结、事缘交往、泛关联；其余把不同类型连起来，如 参与（人物→事件）、发生于（事件→地点）、居于、撰作、所咏、题于、位于。

turtle 复制代码

:血亲眷属 a owl:ObjectProperty ; rdfs:domain :人物 ; rdfs:range :人物 .
:参与     a owl:ObjectProperty ; rdfs:domain :人物 ; rdfs:range :事件 .
:发生于   a owl:ObjectProperty ; rdfs:domain :事件 ; rdfs:range :地点 .

实例层直接引用：

turtle 复制代码

:jiamu :血亲眷属 :baoyu . # 祖孙：隔代最疼
:e3 a :身世遭际 ; :hasTitle "元宵失英莲·葫芦庙火" ;
    :hasSeason "红楼元年·元宵/三月十五" ; :inChapter 1 ;
    :inEra :era1 ; :occursAt :gusu .

用 rdflib 解析了一下实际数据：

python 复制代码

import rdflib
g = rdflib.Graph(); g.parse("data/ontology.ttl")
len(g)  # 3428

整个 .ttl 文件解析出 3428 条 RDF 三元组（含 TBox 声明、类型断言和数据属性）。页面上图谱显示的"3311 条三元组"是 onto.triples 字段里的统计口径，两者不是同一个数，这里如实说明。实例里用到的人物关系属性有 9 种（泛关联 声明了但目前没有实例），最多的是 参与 289 条、血亲眷属 54 条、主仆役使 28 条。

四、时间建模

小说里的时间是"红楼纪年 + 农历 + 时辰"，程序没法直接排序。我的做法：

以宝玉出生那年为"红楼元年"，years 和 eras（7 段）给出每年覆盖的回次；
days 里 71 条逐日记录，每条有 y（红楼纪年）、m、d、mo（数值月份，用于排序）；
原文没写明日期、靠情节推定的，est: true，页面上标"约 / 推定"------71 条里有 42 条是推定的；
写明时辰的，用 tm_m 字段附上现代钟点，共 29 条。

比如第十四回"凤姐协理宁国府"：

json 复制代码

{ "id": "d015", "y": 12, "m": "9月", "d": "约26日", "ch": 14,
  "title": "凤姐协理宁国府", "ev": "e13", "pl": "ningfu",
  "tm": "卯正二刻点卯·戌初查夜",
  "tm_m": "卯正二刻（6:30）点卯 · 巳正（10:00）早饭 · 午初刻（11:15）领牌回事 · 戌初（19:00）查夜" }

每个时辰两小时，分"初""正"，每刻 15 分钟：卯正是 6:00，加二刻就是 6:30。

要注意：51 条 events 是情节单元，71 条 days 是带日期的流水，二者通过 ev 字段互相引用，并不是同一份清单。

五、地理建模

maps 有三层：city（天下形势）、fu（荣宁二府）、yuan（大观园）。第一层的底图是今日省级行政区划（阿里云 DataV GeoAtlas），地名落点采用周汝昌"京---宁双城"说：京都即今北京，金陵即今南京，姑苏、扬州是实录地名。

json 复制代码

{ "id": "gusu", "name": "姑苏", "kind": "city",
  "region": "江南·今江苏苏州", "cls": "zhoufu" }

有争议的地方不硬编码成定论：大如州、平安州、黑山村、大荒山等推考落点在图上用虚线标出，注明"存疑"或"一家之言"；太虚幻境是梦境，不入地理。荣宁二府和大观园的平面则按黛玉进府路线、游园顺序约拟，不是实测。

六、单文件交付 + GitHub Pages

最终产物是一个约 4.4 MB 的 index.html，数据、图片、省界都内嵌，页面里没有引用任何外部 URL。好处很实际：

不用安装、构建，也不需要后端，双击就能打开；
断网能看，发给别人一个文件就够了；
部署到 GitHub Pages 只要把 Pages 指到 main 分支根目录。

data/ 里那几个 JSON 和 TTL 是给想复用数据的人准备的，页面本身不依赖它们。

七、开源与贡献

项目免费开源，代码和数据都在仓库里：

github.com/wangweilong...

纪年、地名、人物关系、引文有疏漏的地方，欢迎提 Issue 或 PR。改动推定日期或有争议的落点时，请保留"约""推定""一家之言"这些标注------这个项目的原则是不把推考写成定论。