【大模型:知识图谱】--3.py2neo连接图数据库neo4j

【图数据库】--Neo4j 安装_neo4j安装-CSDN博客

需要打开图数据库Neo4j，

 neo4j console

1.图数据库--连接

2.图数据库--操作

2.1.创建节点

2.2.删除节点

2.3.增改属性

2.4.建立关系

2.5.查询节点

2.6.查询关系

3.图数据库--实例

1.图数据库--连接

from py2neo import Graph, Node, Relationshiptest_graph = Graph(host="127.0.0.1",user="neo4j",password="root111111" ) # neo4j的初始密码是neo4j，后续使用自行修改后的密码 )
print(str(test_graph)+"连接成功")

打开之后可能第一次需要修改密码，然后进去之后：http://localhost:7474

2.图数据库--操作

对数据的操作分为两种方式，

一种是直接使用neo4j的cypher语法；Create, start, and stop databases - Operations Manual
另一种是采用py2neo提供的数据结构和编写方式。

就是一种直接使用数据库语句，另外一种就是使用python对数据库的操作

这里我们先讲诉第二种，

类别	方法/函数	用途
连接数据库	`Graph(host, port, user, password)`	创建Neo4j数据库连接
节点操作	`Node(label, **properties)`	创建节点
	`graph.create(node)`	将节点保存到数据库
	`graph.push(node)`	更新节点属性到数据库
	`graph.nodes.match(label, **props)`	匹配符合条件的节点
	`graph.nodes.get(node_id)`	根据ID获取节点
关系操作	`Relationship(start, type, end, **props)`	创建关系
	`graph.create(relationship)`	将关系保存到数据库
	`graph.relationships.match()`	匹配关系
查询操作	`graph.run("CYPHER_QUERY")`	执行Cypher查询
	`graph.evaluate("CYPHER_QUERY")`	执行查询并返回单个结果
事务管理	`graph.begin()`	开始事务
	`tx.commit()`	提交事务
	`tx.rollback()`	回滚事务
批量操作	`Subgraph(nodes, relationships)`	创建子图用于批量操作
	`graph.create(subgraph)`	批量保存节点和关系
索引约束	`graph.run("CREATE INDEX...")`	创建索引
	`graph.run("CREATE CONSTRAINT...")`	创建约束
数据删除	`graph.delete(node/relationship)`	删除节点或关系
	`graph.delete_all()`	删除所有数据
实用功能	`graph.schema`	获取数据库元信息
	`graph.service.ready()`	检查数据库是否可用

2.1.创建节点

# 创建节点
test_node1 = Node("Person",name = "大明")
test_node2 = Node("Person",name = "小王")
test_node3 = Node("Person",name = "小李")#保存节点到数据库
test_graph.create(test_node1)
test_graph.create(test_node2) #节点的保存是异步的，可以使用create或merge，推荐使用merge，参考下方的补充
test_graph.create(test_node3)# test_graph.merge(test_node1,"Person","name")
# test_graph.merge(test_node2,"Person","name")

参数	类型	说明
`"Person"`	`str`	节点标签（Label），表示节点的类别（可定义多个标签，如 `Node("Person", "Student", ...)`）
`name="小王"`	`**kwargs`	节点属性（键值对形式），`name` 是属性名，`"小王"` 是属性值。可定义多个属性（如 `age=25`）

2.2.删除节点

#删除节点
test_graph.delete(test_node3)
#删除所以节点
# test_graph.delete_all()

2.3.增改属性

test_node1['age'] = 20#对节点的属性进行本地修改
test_graph.push(test_node1)#节点属性的更新test_node1['age'] = 22
test_graph.push(test_node1)test_node2['情况'] = '特别地'    #对关系的属性进行本地修改
test_graph.push(test_node2)

2.4.建立关系

节点间的关系（Relationship）是有向的，所以在建立关系的时候，必须定义一个起始节点和一个结束节点。值得注意的是，起始节点可以和结束节点是同一个点，这时候的关系就是这个点指向它自己。

如果建立关系的时候，起始节点或者结束节点不存在，则在建立关系的同时建立这个节点。可利用这一点缩减代码量，但会影响独立节点的生成。

#创建关系
node_1_feel_node_2 = Relationship(test_node1,'羡慕',test_node2)
node_2_feel_node_1 = Relationship(test_node2,'仰慕',test_node1)test_graph.create(node_1_feel_node_2)
test_graph.create(node_2_feel_node_1) #关系也要通过“建立”这一步才能实现

2.5.查询节点

py2neo提供了专门的查询模块，即

NodeMatcher：节点查询
RelationshipMatcher：关系查询

from py2neo import NodeMatcher# 初始化 NodeMatcher
matcher = NodeMatcher(test_graph)  # test_graph 是 Graph 对象# 查询格式
results = matcher.match("Label", key1=value1, key2=value2, ...)

方法	说明
`.match("Label", **properties)`	匹配指定标签和属性的节点
`.get(node_id)`	根据节点 ID 获取节点
`.first()`	返回第一个匹配的节点
`.all()`	返回所有匹配的节点（列表）
`.where(condition)`	使用条件表达式过滤（如 `.where("_.age > 30")`）

#查询
from py2neo import NodeMatcher# 初始化 NodeMatcher
matcher = NodeMatcher(test_graph)  # test_graph 是 Graph 对象
# 查询所有 "Person" 标签的节点
persons = matcher.match("Person").all()# 查询 name="小王" 的 Person 节点
xiao_wang = matcher.match("Person", name="小王").first()# 查询 age > 25 的 Person 节点
adults = matcher.match("Person").where("_.age > 25").all()

2.6.查询关系

RelationshipMatcher

方法	说明
`.match(nodes, r_type, **properties)`	nodes:节点， r_type:关系类型 **properties：关系的属性过滤条件
`.get(relationship_id)`	根据 ID 获取关系
`.first()`	返回第一个匹配的关系
`.all()`	返回所有匹配的关系（列表）

#关系查询
from py2neo import RelationshipMatcher# 初始化 RelationshipMatcher
matcher = RelationshipMatcher(test_graph)  # test_graph 是 Graph 对象# 查询所有关系
relationships = matcher.match().all()# 查询所有 "羡慕" 关系
feelings = matcher.match(r_type="羡慕").all()

3.图数据库--实例

from py2neo import Graph, Node, Relationship, Subgraphtest_graph = Graph(host="127.0.0.1",user="neo4j",password="root111111" ) # neo4j的初始密码是neo4j，后续使用自行修改后的密码 )
print(str(test_graph)+"连接成功")# 清空数据库
test_graph.delete_all()
print("数据库清空成功")tx = test_graph.begin()# 开启事务# 创建节点
jiazhen = Node("Person", name="陈家珍", age=66)
fugui = Node("Person", name='徐福贵', age=67)
youqian = Node("Person", name="徐有钱")
renxing = Node("Person", name="徐任性")cat = Node("Person", name='cat')
dog = Node("Person", name='dog')# 创建关系
wife = Relationship(fugui, "WIFE", jiazhen)
brother_1 = Relationship(fugui, "BROTHER", youqian)
brother_2 = Relationship(fugui, "BROTHER", renxing)
hus = Relationship(jiazhen, 'HUS', fugui)
know = Relationship(cat, 'KNOWS', dog)# 创建子图
relation_list = Subgraph(relationships=[wife, brother_2, brother_1, hus, know])# 写入数据库
tx.create(relation_list)
test_graph.commit(tx)
print("关系写入成功")