neo4j

最新推荐文章于 2025-10-25 14:53:02 发布

原创最新推荐文章于 2025-10-25 14:53:02 发布 · 780 阅读

17 ·

CC 4.0 BY-SA版权

文章标签：

#neo4j

NLP 专栏收录该内容

7 篇文章

订阅专栏

安装

目录说明：
bin：存放启动 / 停止数据库的脚本（如 neo4j.bat 是 Windows 启动脚本）；
conf：核心配置文件目录（重点修改 neo4j.conf）；
data：存储数据库数据（节点、关系等）；
logs：日志文件目录（排查错误用）。
在这里插入图片描述

neo4j

一、概念

neo4j 基本操作元素
neo4j可支持语言：.NET、Java、Spring、JavaScript、Python、Ruby、PHP、R、Go、C / C++、Clojure、Perl、Haskell

几个专有名词：变量（标识符）、节点、关系、实体、标签、属性、索引、约束。

实体包括节点和关系

在操作前，先记住Neo4j的3个核心组件，后续所有操作都围绕它们：

节点（Node）：代表“实体”，比如“人”“电影”，可添加属性（如姓名、年龄、电影名）。
关系（Relationship）：连接两个节点，代表“关联”，比如“看过”“导演”，也可加属性（如评分、观看时间）。
属性（Property）：键值对形式，附着在节点或关系上，比如name: "张三"、score: 9.2。

二、步骤1：创建节点与关系（用Cypher构建数据）

1.1 创建单个节点（带属性）

在Web界面的输入框中输入以下语句，点击右上角“▶️”执行（执行后会显示创建的节点）：

# 创建“人物”节点：姓名张三，年龄28，职业程序员
CREATE (p:Person {name: "张三", age: 28, job: "程序员"})
RETURN p;  # RETURN 用于显示创建的结果

解释：(p:Person) 中，p是节点的“变量名”（方便后续引用），:Person是节点的“标签”（类似分类，比如“人物”类节点）。

1.2 批量创建节点与关系（一次性构建关联）

用CREATE同时创建多个节点和它们的关系，更高效：

# 批量创建：2个人物、2部电影，以及“看过”关系（带评分属性）
CREATE 
  (p1:Person {name: "张三", age: 28}),
  (p2:Person {name: "李四", age: 30}),
  (m1:Movie {name: "流浪地球", year: 2023, type: "科幻"}),
  (m2:Movie {name: "满江红", year: 2023, type: "悬疑"}),
  (p1)-[r1:WATCHED {score: 9.0}]->(m1),  # 张三看过流浪地球，评分9.0
  (p1)-[r2:WATCHED {score: 8.5}]->(m2),  # 张三看过满江红，评分8.5
  (p2)-[r3:WATCHED {score: 8.8}]->(m1)   # 李四看过流浪地球，评分8.8
RETURN p1, p2, m1, m2, r1, r2, r3;

执行后，界面会显示“节点+关系”的图形化结果：两个橙色Person节点、两个蓝色Movie节点，以及连接它们的WATCHED关系。

在这里插入图片描述

三、步骤2：基础查询（用MATCH找数据）

查询是Neo4j的核心，用MATCH语句“匹配”图中的节点/关系，再用WHERE过滤条件、RETURN显示结果。

2.1 查询所有节点（查看数据库现有数据）

# 匹配所有节点（n是变量名，代表任意节点），返回节点和它的标签
MATCH (n)
RETURN n, labels(n) AS node_label;  # labels(n) 用于显示节点的标签（如Person/Movie）

2.2 按标签查询节点（过滤分类）

# 查询所有“电影”节点，只返回电影名和年份
MATCH (m:Movie)  # 只匹配标签为Movie的节点
RETURN m.name AS 电影名, m.year AS 上映年份;

在这里插入图片描述

2.3 按关系查询（找关联数据，核心功能）

这是图数据库的优势——快速查“关系链”，比如“找所有看过《流浪地球》的人”：

# 匹配“人-看过-流浪地球”的关系链
MATCH (p:Person)-[r:WATCHED]->(m:Movie {name: "流浪地球"})
RETURN p.name AS 观众姓名, r.score AS 评分, m.name AS 电影名;

结果会显示：张三（评分9.0）、李四（评分8.8），以及对应的电影信息。

2.4 带条件过滤的查询（用WHERE缩小范围）

比如“找年龄大于28岁、且给电影评分≥8.8的人”：

MATCH (p:Person)-[r:WATCHED]->(m:Movie)
WHERE p.age > 28 AND r.score >= 8.8  # 过滤条件：年龄>28且评分≥8.8
RETURN p.name AS 姓名, p.age AS 年龄, m.name AS 电影名, r.score AS 评分;

结果会显示：李四（30岁，给《流浪地球》评8.8分）。

在这里插入图片描述

四、步骤3：修改与删除数据（完善数据管理）

3.1 修改属性（更新数据）

比如“将张三的年龄改为29岁，给《满江红》的评分改为8.6”：

# 先匹配到张三和他与满江红的关系，再更新属性
MATCH (p:Person {name: "张三"})-[r:WATCHED]->(m:Movie {name: "满江红"})
SET p.age = 29, r.score = 8.6  # SET 用于修改属性
RETURN p.name, p.age, r.score, m.name;

在这里插入图片描述

3.2 删除节点/关系（注意：删除节点前必须先删关联的关系）

# 1. 先删除李四与所有电影的关系（避免删节点时报错）
MATCH (p:Person {name: "李四"})-[r:WATCHED]->()
DELETE r;

# 2. 再删除李四节点
MATCH (p:Person {name: "李四"})
DELETE p;

# 验证：查询所有节点，确认李四已被删除
MATCH (n) RETURN n;

五、进阶：常用Cypher语法速查（备查）

功能	关键字	示例
创建数据	CREATE	`CREATE (p:Person {name: "王五"})`
查询数据	MATCH	`MATCH (m:Movie) RETURN m.name`
过滤条件	WHERE	`WHERE m.year = 2023`
修改属性	SET	`SET p.age = 30`
删除数据	DELETE	`DELETE p`（删节点）、`DELETE r`（删关系）
统计数量	COUNT()	`MATCH (p:Person) RETURN COUNT(p)`
排序	ORDER BY	`MATCH (m:Movie) RETURN m.name ORDER BY m.year DESC`

与python结合的py2neo使用教程

Py2neo 是一个用于与 Neo4j 图数据库进行交互的 Python 库。它提供了简洁、直观的 API，方便开发者在 Python 环境中对 Neo4j 数据库进行各种操作，包括创建节点、关系、路径、子图，执行事务，以及进行查询、更新、删除等操作。

通过 Py2neo，开发者可以无需直接编写复杂的 Cypher 语句（当然也支持执行 Cypher 语句），而是通过 Python 代码中的类和方法来操作 Neo4j 图数据库，大大降低了使用 Neo4j 的门槛，尤其适合熟悉 Python 的开发者。

参考资料
https://zhuanlan.zhihu.com/p/436687958

1. 连接数据库与初始化

test_graph = Graph("http://localhost:7474", auth=("neo4j", "new_password"))
test_graph.delete_all()  # 清空数据库中已有数据

test_graph=Graph("bolt://localhost:7687", auth=("neo4j", "new_password"))
. 强制使用 Bolt 协议连接（必做）
Bolt 协议（7687 端口）是 Neo4j 推荐的连接方式，兼容性更好。修改代码中的连接地址：

2. 节点与关系的创建

创建单个节点并添加到数据库

node_1 = Node('英雄', name='张无忌')
test_graph.create(node_1)

创建节点间的关系并添加到数据库

node_1_to_node_2 = Relationship(node_1, '教主', node_2)
test_graph.create(node_1_to_node_2)

3. 路径（Path）的创建

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)
test_graph.create(path_1)  # 一次性创建路径中的节点和关系

4. 子图（Subgraph）的创建

subgraph_1 = Subgraph(nodes=[node_7, node_8, node_9], 
                      relationships=[relationship7, relationship8, relationship9])
test_graph.create(subgraph_1)  # 批量创建子图中的节点和关系

5. 事务（Transaction）操作

transaction_1 = test_graph.begin()  # 开启事务
transaction_1.create(node_10)  # 在事务中创建节点
transaction_1.create(relationship_10)  # 在事务
![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/9179d1e24c2e48b4b01a4241ba684f09.png)

![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/48ac7823984f4248803e2c271de97afb.png)