前言：

Abstract：本文的主要内容是图数据库的入门以及Cypher语言的基础知识。

笔者近日在学习有关知识图谱Knowledge Graph的相关内容。

Neo4j是项目所需的一款功能强大的应用，特此来学习之，并记录于本文。

笔者是AI领域的小白，作为初学者，文章中难免会有出错或者不恰当的部分，烦请读者朋友们指出（在以下任意平台）。

个人博客：conqueror712.github.io/

知乎：www.zhihu.com/people/soeu…

Bilibili：space.bilibili.com/57089326

掘金：juejin.cn/user/129787…

注意：本文不是教程，只是个人学习的记录和心得，可能会对你有帮助，建议配合官方文档一起学习！

官方文档链接：graphacademy.neo4j.com/courses/cyp…

再注：原文是英文，若有较好的英文阅读能力可以直接读，本文是对原文中重要的内容进行了翻译，以及加上了笔者自己的理解。

从Neo4j读取数据：

Cypher语言可以帮助在图中检索数据，包括节点，关系（也就是边），还可以过滤查询Filter queries。

Cypher简介：

Cypher是一种为图而设计的查询语言。

一个很重要的概念是：Cypher的模式pattern：

• 节点由圆括号表示 ().
• 使用冒号来表示标签 (:Person).
• 节点之间的关系用两个破折号表示， (:Person)--(:Movie).
• 使用大于或小于符号<或>表示关系的方向，(:Person)->(:Movie).
• 关系的类型是用两个破折号之间的方括号写的[ and ]，[:ACTED_IN]
• 在语音气泡中绘制的属性类似JSON的语法指定；
  • Neo4j中的属性是key-value对， {name: 'Tom Hanks'}.

Example:

(m:Movie {title: 'Cloud Atlas'})<-[:ACTED_IN]-(p:Person)

此模式中的两个节点类型是Movie和Person。

Person节点与Movie节点有直接的ACTED_IN关系。

这个模式中的特定Movie节点由值为Cloud Atlas的title属性过滤。

这个图形代表了所有在电影 Cloud Atlas 中扮演角色的人。

检索 – MATCH：

那么，Cypher是怎么工作的呢？

Cypher的工作原理是匹配数据中的模式；

我们使用MATCH关键字从图中检索数据；

可以认为MATCH类似于SQL语句中的FROM。

例如，如果我们想要在图中找到一个Person，我们将MATCH一个带有标签的单个节点的模式:Person -前缀为冒号。

假设我们想从图中检索所有Person节点；

我们可以通过在冒号前放置一个值来赋值一个变量；

使用变量p表示从图中检索到的所有Person节点，并使用RETURN返回它们。

就像这样：

（注意，SHIFT + ENTER可以换行输入，这个界面在右下角可以点开）

这太酷了，简直符合我对CybercCypher的想象！

我们还可以看到返回的Text，具体来说，该查询返回图中带有Person标签的所有节点。可以使用图视图或表视图查看返回的结果。在选择表视图时，还可以看到返回的节点的属性。

如果我们要具体指定地查询某一个人，应该如何操作呢？

事实上，就像这样：

更进一步地，如果我只想知道他的出生年份，如何查询呢？

很简单，只需要RETURN p.born就可以了，这里就不再演示了。

检索 – WHERE：

筛选查询的另一种方法是使用WHERE子句，而不是用大括号内联指定属性值。

Example:

一般来说，WHERE在今后会更常用，因为其功能更强大。

Example:

使用与编写习惯：

在Cypher中，标签、属性键和变量是区分大小写的。Cypher关键字不区分大小写。

一言以蔽之，就是自定义的东西区分大小写。

推荐方式：

• 标签：CamelCase
• 属性键和变量：camelCase
• 关键字：UPPERCASE

随后，你可以在网站中的课后习题中进行练习，那都是一些比较简单和基础但是不可谓不重要的题目。

寻找关系：

扩展MATCH子句中的模式，以遍历具有ACTED_IN类型的所有关系到任何节点。

Domain Model显示ACTED_IN关系从Person节点向外延伸，因此我们可以在模式中添加方向，通常将此称为遍历traversal。

MATCH (p:Person {name: 'Tom Hanks'})-[:ACTED_IN]->(m)
RETURN m.title

当然，我们也可以进行一些指定：

MATCH (p:Person {name: 'Tom Hanks'})-[:ACTED_IN]->(m:Movie)
RETURN m.title

过滤查询：

Example:

此查询检索Person节点和Movie节点，该人员在2008或2009年发布的电影中扮演角色。

MATCH (p:Person)-[:ACTED_IN]->(m:Movie)
WHERE m.released = 2008 OR m.released = 2009
RETURN p, m

按节点标签进行过滤：

Solution1:

MATCH (p:Person)-[:ACTED_IN]->(m:Movie)
WHERE m.title='The Matrix'
RETURN p.name

Solution2:

MATCH (p)-[:ACTED_IN]->(m)
WHERE p:Person AND m:Movie AND m.title='The Matrix'
RETURN p.name

使用范围进行过滤：

a <= XX <= b

Example:

MATCH (p:Person)-[:ACTED_IN]->(m:Movie)
WHERE 2000 <= m.released <= 2003
RETURN p.name, m.title, m.released

根据属性的存在进行筛选：

IS NOT NULL

Example:

MATCH (p:Person)-[:ACTED_IN]->(m:Movie)
WHERE p.name='Jack Nicholson' AND m.tagline IS NOT NULL
RETURN m.title, m.tagline

按部分字符串筛选：

START WITH END WITH CONTAINS

MATCH (p:Person)-[:ACTED_IN]->()
WHERE p.name STARTS WITH 'Michael'
RETURN p.name

大小写转换：

toLower(p.name) toUpper(p.name)

根据图中的模式进行过滤：

假设你想找出所有的，写过一部电影但没有导演这部电影的人。

MATCH (p:Person)-[:WROTE]->(m:Movie)
WHERE NOT exists( (p)-[:DIRECTED]->(m) )
RETURN p.name, m.title

使用列表过滤：

如果你有一组想要测试的值，你可以将它们放在列表中，或者可以使用图中的现有列表进行测试。

Cypher列表是方括号内以逗号分隔的值集。

可以在WHERE子句中定义列表。在查询期间，图形引擎将每个属性与列表中的值进行比较。您可以在列表中放置数字值或字符串值，但通常情况下，列表的元素是相同类型的数据。如果您正在测试字符串类型的属性，那么列表中的所有元素都将是字符串。

在这个例子中，我们只想检索出生在1965、1970或1975年的人的Person节点:

MATCH (p:Person)
WHERE p.born IN [1965, 1970, 1975]
RETURN p.name, p.born

同样的，我们也可以添加一些条件：

MATCH (p:Person)-[r:ACTED_IN]->(m:Movie)
WHERE  'Neo' IN r.roles AND m.title='The Matrix'
RETURN p.name, r.roles

节点或关系具有哪些属性：

使用key()进行查询

MATCH (p:Person)
RETURN p.name, keys(p)

图中存在什么性质：

CALL db.propertyKeys()

同样地，你可以在网站中的课后习题中进行练习，那都是一些比较简单和基础但是不可谓不重要的题目。

向Neo4j写入数据：

因为这主要是语法的部分，并没有什么特别难理解的东西需要进一步的解释，所以，这一部分更推荐动手实践，

还是挑重点来说，主要内容包括：

使用MERGE在图中创建节点；

使用MERGE在图中创建关系；

创建、更新和删除图中节点和关系的属性；

根据图中的内容执行有条件的MERGE处理；

从图中删除节点和关系。

创建节点：

MERGE (p:Person {name: 'Michael Caine'})

另外，可以使用CREATE而不是MERGE创建节点。

使用CREATE的好处是，它在添加节点之前不会查找主键。

如果您确定数据是干净的，并且希望在导入过程中提高速度，则可以使用CREATE。

创建关系：

如果Person和Movie节点都已经存在，我们可以在创建它们之间的关系之前使用MATCH子句找到它们。

MATCH (p:Person {name: 'Michael Caine'})
MATCH (m:Movie {title: 'The Dark Knight'})
MERGE (p)-[:ACTED_IN]->(m)

MERGE的作用是创建图中不存在的节点或关系。

MERGE (p:Person {name: 'Emily Blunt'})-[:ACTED_IN]->(m:Movie {title: 'A Quiet Place'})
RETURN p, m

设置属性：

有两种办法可以进行属性的设置：

0. 作为MERGE子句的一部分；
1. 使用SET关键字来引用节点或关系。

具体来说，我们给出两个样例：

MERGE (p:Person {name: 'Michael Caine'})
MERGE (m:Movie {title: 'Batman Begins'})
MERGE (p)-[:ACTED_IN {roles: ['Alfred Penny']}]->(m)
RETURN p,m

MATCH (p:Person)-[r:ACTED_IN]->(m:Movie)
WHERE p.name = 'Michael Caine' AND m.title = 'The Dark Knight'
SET r.roles = ['Alfred Penny']
RETURN p, r, m

注意：SET中的[]有时不是必要的。

如果需要设置多个属性，请使用逗号分隔。

SET r.roles = ['Alfred Penny'], r.year = 2008

更新属性：

除此之外，SET还可以用于更新属性：

MATCH (p:Person)-[r:ACTED_IN]->(m:Movie)
WHERE p.name = 'Michael Caine' AND m.title = 'The Dark Knight'
SET r.roles = ['Mr. Alfred Penny']
RETURN p, r, m

像这样直接覆盖就可以了

删除属性：

至于删除属性，我们可以用REMOVE：

MATCH (p:Person)-[r:ACTED_IN]->(m:Movie)
WHERE p.name = 'Michael Caine' AND m.title = 'The Dark Knight'
REMOVE r.roles
RETURN p, r, m

还可以用SET xxx = null

MATCH (p:Person)
WHERE p.name = 'Gene Hackman'
SET p.born = null
RETURN p

神奇的自定义MERGE：

// 查找或创建一个具有此名称的人
MERGE (p:Person {name: 'McKenna Grace'})

// 如果节点是在此查询期间创建的，则只设置'createdAt'属性
ON CREATE SET p.createdAt = datetime()

// 如果之前创建了节点，则只设置'updatedAt'属性
ON MATCH SET p.updatedAt = datetime()

// 设置'born'属性
SET p.born = 2006

RETURN p

类似地，可以用逗号分割多个属性。

MERGE处理：

使用MERGE来创建节点或关系：

// 查找或创建一个具有此名称的人
MERGE (p:Person {name: 'Michael Caine'})

// 用这个标题找到或创建一个电影
MERGE (m:Movie {title: 'The Cider House Rules'})

// 查找或创建两个节点之间的关系
MERGE (p)-[:ACTED_IN]->(m)

下面是在查询处理器中发生的事情:

Neo4j将尝试查找名称为Michael Caine的Person节点。

如果不存在，则创建节点。

然后，它将尝试在图中展开该节点的ACTED_IN关系。

如果这个节点中有任何ACTED_IN关系，它将查找标题为“the Cider House Rules”的电影。

如果Movie没有节点，则创建该节点。

如果两个节点之间没有关系，则在它们之间创建ACTED_IN关系。

删除数据：

前文提到的”删除属性”是删除数据的一个子集。

还可以包括：节点、关系、属性、标签。

要删除数据库中的任何数据，必须先检索它，再删除它。

MATCH (p:Person)
WHERE p.name = 'Jane Doe'
DETACH DELETE p

这里仅给出一个例子，其他的类似。

本文正在参加 人工智能创作者扶持计划