阅读量:0
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：
| 方法名 | 功能 |
|---|---|
| first() | 返回查询结果第一个Node，没有则返回空 |
| all() | 返回所有节点 |
| where(condition,properties) | 对查询结果二次过滤 |
| order_by | 排序 |
# 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：
| 方法 | 作用 |
|---|---|
| iter(match) | 遍历所匹配节点 |
| len(match) | 返回匹配到的节点个数 |
| all() | 返回所有节点 |
| count（） | 返回节点计数，评估所选择的节点 |
| limit(amount)、 返回节点的最大个数 | |
| order_by（*fields） | 按指定的字段或字段表达式排序。要引用字段或字段表达式中的当前节点，请使用下划线字符 |
| where(*predicates, **properties) | 二次过滤 |
# 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
