通过python操作neo4j

使用python语言操作neo4j数据库

对于python开发者来说，Py2neo库可以完成对neo4j的操作。
首先安装Py2neo，建立数据库连接。Py2neo使用pip安装：

pip install py2neo

连接数据库

连接前，先确保neo4j服务开启：

建立连接代码示例：定义db为待使用的neo4j连接[默认的账号密码均为“neo4j”，若已修改则为新的，我的密码已修改为“12345678”]

# Graph("http://127.0.0.1:7474",auth=("账号","密码"))
import py2neo
db=Graph("http://localhost:7474",auth=("neo4j","12345678"))

后续添加结点时可能会报错，== Cannot decode response content as JSON ==
此时只需要将连接语句修改为：即指定连接数据库name=‘neo4j’

db=Graph("http://localhost:7474",auth=("neo4j","12345678"),name='neo4j')

建立结点、关系

建立结点时候要定义结点的标签和一些基本属性。

Node：创建节点

基本语法：

node_1=Node（*labels，**properties）
db.create(node_1)

注意：代码中，db.create(node_1)的作用是将本地创建的node放入数据库中，后面关系、路径等，在本地创建以后，均需要create。
示例：

node_1 = Node('英雄',name = '张无忌')
node_2 = Node('英雄',name = '杨逍',武力值='100')
node_3 = Node('派别',name = '明教')

# 存入图数据库
db.create(node_1)
db.create(node_2)
db.create(node_3)
print(node_1)

运行结果：

在localhost:7474/中查询发现：

Relationship:创建关系

基本语法：

Relationship（(start_node, type, end_node, **properties)）

例如：

node_1_to_node_2 = Relationship(node_1,'教主',node_2)
node_3_to_node_1 = Relationship(node_1,'统领',node_3)
node_2_to_node_3 = Relationship(node_2,'师出',node_3)

db.create(node_1_to_node_2)
db.create(node_3_to_node_1)
db.create(node_2_to_node_3)

表示创建三个结点关系，例如node_1是node_2的教主。需要注意的是，如果建立关系的时候起始结点不存在，则建立关系的同时会建立这个结点。

Path:路径

基本语法：

Path(*entities)

注意entities是实体（关系，节点都可以作为实体）。
例如：

from py2neo import Path
# 建一个路径：比如按照该路径查询，或者遍历的结果保存为路径
node_4,node_5,node_6 = Node(name='阿大'),Node(name='阿二'),Node(name='阿三')
path_1 = Path(node_4,'小弟',node_5,Relationship(node_6, "小弟", node_5),node_6)
db.create(path_1)

print(path_1)

* Subgraph:子图

子图是节点和关系的任意集合，它也是 Node、Relationship 和 Path 的基类。
基本语法：

Subgraph(nodes, relationships)

空子图表示为None，使用bool（）可以测试是否为空。参数要按数组输入，如下面代码。

# 创建一个子图，并通过子图的方式更新数据库
node_7 = Node('英雄',name = '张翠山')
node_8 = Node('英雄',name = '殷素素')
node_9 = Node('英雄',name = '狮王')

relationship7 = Relationship(node_1,'生父',node_7)
relationship8 = Relationship(node_1,'生母',node_8)
relationship9 = Relationship(node_1,'义父',node_9)
subgraph_1 = Subgraph(nodes = [node_7,node_8,node_9],relationships = [relationship7,relationship8,relationship9])
db.create(subgraph_1)

工作流

GraphService：基于图服务的工作流。
Graph：基于图数据库的工作流（前文所述的基本上都是如此）。
Transaction：基于事务的工作流。通常，该种方式通过Graph.begain(readonly=False)构造函数构造，参数readonly表示只读，不给参数默认开始写。
示例代码如下：

# 创建一个新的事务
transaction_1 = db.begin()#事务开始

# 创建一个新node
node_10 = Node('武当',name = '张三丰')
transaction_1.create(node_10)
# 创建两个关系：张无忌→（师公）→张三丰   张翠山→（妻子）→殷素素
relationship_10 = Relationship(node_1,'师公',node_10)
relationship_11 = Relationship(node_7,'妻子',node_8)

transaction_1.create(relationship_10)
transaction_1.create(relationship_11)

transaction_1.commit()#事务提交

删除结点

删除数据库中所有节点和关系：

db.delete_all()

其他删除方法如下（删除的基础是查询，但凡查询条件没错，就不会删错）：

# 删除所有：谨慎使用
# db.delete_all()

删除单个节点

#db.delete(node)#node在前面已经定义好

run方法运行Neo4j指令代码进行删除

# 按照节点id删除：要删除某个节点之前，需要先删除关系。否则会报错：ClientError
db.run('match (r) where id(r) = 3 delete r')
# 按照name属性删除：先增加一个单独的节点：
node_x = Node('英雄',name ='韦一笑')
db.create(node_x)
db.run('match (n:英雄{name:\'韦一笑\'}) delete n')

# 删除一个节点及与之相连的关系
db.run('match (n:英雄{name:\'韦一笑\'}) detach delete n')
# 删除某一类型的关系
db.run('match ()-[r:喜欢]->() delete r;')

删除子图

# delete(self, subgraph)

修改结点

改的基础也是查询，查到就可以改，因此本文的重点放在查询上，下面示例简单修改。

# 改
# 将狮王的武力值改为100
node_9['武力值']=100
# 本地修改完，要push到服务器上哦
db.push(node_9)

查询结点

db的nodes属性包含图当中的所有节点信息，可以使用match方法来找到相应节点，请参考以下代码：

n=db.nodes.match("英雄")
for i in n:
    print(i)

当然也可以进行更为细致的匹配，请参考以下代码

n=db.nodes.match("英雄",武力值=100)
for i in n:
    print(i)

这里为啥只有一个呢？是因为上面的武力值一个是数值100，一个是字符串100.

NodeMatcher

为了便于查询更多类容，使用事务的方法新增一些关系和节点

# 为了便于查询更多类容，使用事务的方法新增一些关系和节点
transaction_2 = db.begin()

node_100 = Node('巾帼',name ='赵敏')
re_100 = Relationship(node_1,'Love',node_100)

node_101 = Node('巾帼',name ='周芷若')
re_101 = Relationship(node_1,'knows',node_101)
re_101_ = Relationship(node_101,'hate',node_100)


node_102 = Node('巾帼',name ='小昭')
re_102 = Relationship(node_1,'konws',node_102)

node_103 = Node('巾帼',name ='蛛儿')
re_103 = Relationship(node_103,'Love',node_1)

transaction_2.create(node_100)
transaction_2.create(re_100)
transaction_2.create(node_101)
transaction_2.create(re_101)
transaction_2.create(re_101_)
transaction_2.create(node_102)
transaction_2.create(re_102)
transaction_2.create(node_103)
transaction_2.create(re_103)

transaction_2.commit()

NodeMatcher：定位满足特定条件的节点。
基本语法：

 NodeMatcher（graph）.match(*labels, **properties)

结合不同的方法可以取得不同的效果。主要方法表如下所示：

# 定义查询
nodes = NodeMatcher(db)

# 单个节点，按照label和name查询
## 查询节点：杨逍
node_single = nodes.match("英雄", name="杨逍").first()
print('单节点查询：\n',node_single)

## 按照label查询所有节点
node_hero = nodes.match("英雄").all()
print('查询结果的数据类型:',type(node_hero))

# 在查询结果中循环取值，用first()取出第一个值
i = 0
for node in node_hero:
    print('label查询第{}个为：{}'.format(i,node))
    i+=1

## 按照name查询所有节点：用all()取出所有值
node_name = nodes.match(name='张无忌').all()
print('name查询结果：',node_name)

# get（）方法按照id查询节点
node_id = nodes.get(1)
print('id查询结果：',node_id)

NodeMatch

NodeMatch：基本用法，

 NodeMatch(graph, labels=frozenset({}), predicates=(), order_by=(), skip=None, limit=None)

可以看出，NodeMatch的参数和NodeMatcher的参数完全不同。后面是可以加很多条件的，包含的主要方法如下表：

# 遍历查询到的节点
from py2neo import NodeMatch
nodess = NodeMatch(db,labels=frozenset({'英雄'}))

# 遍历查询到的节点
print('='*15,'遍历所有节点','='*15)
for node in iter(nodess):
    print(node)
# 查询结果计数
print('='*15,'查询结果计数','='*15)
print(nodess.count())
# 按照武力值排序查询结果:注意引用字段的方式，前面要加下划线和点：_.武力值
print('='*10,'按照武力值排序查询结果','='*10)
wu = nodess.order_by('_.武力值')
for i in wu:
    print(i)
    

RelationshipMatcher

RelationshipMatcher:用于选择满足一组特定标准的关系的匹配器。
基础语法：

relation = RelationshipMatcher(db)

from py2neo import RelationshipMatcher
# 查询某条关系
relation = RelationshipMatcher(db)

# None表示any node哦！不是表示空
print('='*10,'hate关系查询结果','='*10)
x = relation.match(nodes=None, r_type='hate')
for x_ in x:
    print(x_)
    
# 增加俩关系
re1_1 = Relationship(node_101,'情敌',node_102)
re1_2 = Relationship(node_102,'情敌',node_103)
db.create(re1_1)
db.create(re1_2)

# 情敌查询结果
print('='*10,'hate关系查询结果','='*10)
x = relation.match(nodes=None, r_type='情敌')
for x_ in x:
    print(x_)
    

RelationshipMatch

基本语法：

RelationshipMatch(graph, nodes=None, r_type=None, predicates=(), order_by=(), skip=None, limit=None)

可以按照NodeMatch理解

参考
https://zhuanlan.zhihu.com/p/437824721