用py2neo对Neo4j进行数据的增删改查：节点

主要参考1：官方文档；参考2：Neo4j和py2neo配合使用。

1.连接Neo4j

from py2neo import Graph　　　　# 导入

url = 'bolt://localhost:7687'　　# 本地连接地址
usr = 'neo4j'　　　　　　　　　　　　# 用户名
key = '1'　　　　　　　　　　　　　　# 密码
graph = Graph(url, auth = (usr, key))　　# 连接到的图

 2. 节点创建和节点修改

　　写在前面：使用py2neo对Neo4j进行修改，当我们直接用语法，Node或者Realation时，如果没有进行绑定，就会仅仅是对本地端的数据进行了处理，而没有作用到Neo4j上去，所以，在每一次处理完之后，一定要记得用graph.create或者graph.push将我们的处理传递到Neo4j上去。插入一段官网关于节点创建的描述，进行理解。英中（机翻）对照：

Node objects can either be created implicitly, by returning nodes in a Cypher query such as , or can be created explicitly through the constructor. In the former case, the local Node object is bound to the remote node in the database; in the latter case, the Node object remains unbound until create or merged into a Neo4j database.CREATE (a) RETURN a

节点对象可以通过Cypher查询中的返回节点（如）进行隐式创建，也可以通过构造器明确创建。在前一种情况下，本地节点对象与数据库中的远程节点绑定：在后一种情况下，节点对象保持未绑定，直到创建或合并到 Neo4j 数据库。

　　上面说到，如果创建节点，可以通过Cypher进行创建，或者通过构造器，而在使用构造器时，我们的节点对象由于未绑定，在Neo4j端其实是不发生变化的，需要再传递一下。

下面根据我个人学习和实际使用到的情况，逐步说明。

　　首先是简单的节点操作。

2.1 创建一个新的节点

　　创建节点主要用Node函数，格式为 my_node = Node("label", name = 'XXX')。“label” 可以是我们给节点的一个分类，比如 “人物”，“地点”。最好是一个大类，这在我们检索时，可以先确定，这个节点 “label” 是什么，之后再考虑填了什么内容。name 是一个属性，属性值就是里面的 “XXX”，在我们的浏览器图示中节点展示的一般是 name 的属性值。我们也可以加其他属性和属性值，key-value 对，格式和name = "XXX"，一样，逗号连接。同样我们也可以给节点加多个标签，直接在已有的 “label” 后面增加即可，逗号连接。

　　不要忘记用 create 把我们本地端的变化传递到连接的 Neo4j 上。graph.create() 用在创建时的连接。后面我们还会用到 create.push() 对已有节点或者关系的改动进行传递。

from py2neo import Graph, Node

url = 'bolt://localhost:7687'
key = '1'
usr = 'neo4j'

graph = Graph(url, auth = (usr, key))
a = Node('判决文书', name = 'XXX刑事判决书')　　# 创建一个label = '判决文书'，属性name值为'，此时节点并没有真的传到Neo4j
graph.create(a)　　　　　　　　　　　　　　　　　# 将节点 a 创建到数据库

　　下图左是我们运行上面代码后在浏览器查询的结果，可以看到，节点显示的是属性name的值，并且有一个id，这个id是该节点的唯一标识。如果再运行一次代码，就会创建一个内容一模一样的节点，而 id 是不一样的。这里就能发现一个问题，在创建节点时，create并不会自己检查该节点是否已经创建，所以在实际使用，应先检查要创建的节点是否存在。下图右是查看的数据，可以看到labels为‘判决文书’，在左图为黄色表示，这里称为类别。name和值包含在properties属性里，数据格式是像字典形式的。

         

 2.2 查询符合某条件的节点，不存在，则创建该节点

　　上面说到，Node 只管创建，有点像通信里的 “透明” 传输，它不会去看里面的内容是什么、是否一样。这里就用查找函数帮我们看里面的内容，并进行筛选。由于我安装的是最新稳定版的py2neo，所以语法上可能和其他 blog 里写的略有区别。导入的是 matching 里的函数，有NodeMatcher，NodeMatch，用于节点的匹配，有RelationshipMatcher，RelationshipMatch，用于关系的匹配。此外，还可以直接通过 graph.match() 进行匹配，graph.match() 内部其实也是调用 Nodematcher 和 RelationshipMatcher 来实现的。

　　下面是关于节点的匹配。我们先创建一个节点匹配器 matcher 然后通过 matcher.match() 内部加入条件，对范围进行确认，后缀 .exists() 是看该节点或该类节点是否存在，存在返回 bool 值True，否则返回 bool 值 False。.first() 是返回符合条件的一个节点。类型就是 Node。这里用了两种方式进行条件的指定，一种是直接 match() 里写，一种是利用 .where() 。where() 支持比较复杂的形式。

from py2neo import Graph, Node
from py2neo.matching import *

url = 'bolt://localhost:7687'
key = '1'
usr = 'neo4j'

graph = Graph(url, auth = (usr, key))
matcher = NodeMatcher(graph)　　　　　　　　# 创建节点匹配器

result = matcher.match('判决文书', name = 'XXX刑事判决书').exists()　　# 符合条件的是否存在
print('节点是否存在：')
print(result)
if result == False:
　　node = Node('判决文书', name = 'XXX刑事判决书')
　　graph.create(node)
else:
　　node = matcher.match('判决文书').where(name = 'XXX刑事判决书').first()　　# 评估匹配并返回匹配的第一个节点
　　print('node')
　　print(node)
# 说明
# exist() 如果存在至少一个符合条件的节点，则返回True,否则返回False
# 上面写了两种匹配方式，一种是直接在match里指定特点，一种是用where进行匹配，where可以进行精确匹配，可以用表达式进行较复杂的匹配

2.3 对已有节点进行标签增加和属性增改

　　用 node.add_label() 给节点增加标签。用 node[“某属性”] = “属性值” 进行对节点进行 key-value 对的增加，很像字典的操作。此外，还有 node.setdefault("某属性"，default = “属性值”) ，这个说明在代码注释中。

　　需要注意的是，上述修改完成后，一定要用 graph.push() 把变动传递到 Neo4j 上。

from py2neo import Graph, Node
from py2neo.matching import *

url = 'bolt://localhost:7687'
key = '1'
usr = 'neo4j'

graph = Graph(url, auth = (usr, key))
matcher = NodeMatcher(graph)　　　　　　　　# 创建节点匹配器

node = matcher.match('判决文书').where(name = 'XXX刑事判决书').first()　　# 评估匹配并返回匹配的第一个节点

node.setdefault('审判程序', default = '刑事二审')　　　　　
# setdefault() 如果此节点具有的属性value，则返回其值。如果没有，添加‘审批程序’属性和对应的属性值

node.add_label('案件')
　 
node['案号'] = '001'　　# 添加“案号”属性对应的属性值为“001”
print('node:')
print(node)
graph.push(node)        # 将更改push到图中
print('node:')
print(node)

# 说明：这里同样写了两种增添方式，具体使用根据情况。可以看出第二种方式类似字典的形式的

　　其他函数：

　　移除标签：node.remove_label(label)

　　删除所有标签：node.clear_labels()

2.4 获取节点id和根据id查找节点

　　用 node.identity 获取节点的 id ，用节点匹配器直接查找id = xxx 的节点。

from py2neo import Graph, Node
from py2neo.matching import *

url = 'bolt://localhost:7687'
key = '1'
usr = 'neo4j'

graph = Graph(url, auth = (usr, key))
matcher = NodeMatcher(graph)　　　　　　　　# 创建节点匹配器

# 先创建一个节点
node = Node('人', name = '张三')
graph.create(node)
print(node)

# 获取该节点的id
node_id = node.identity
print(node_id)

# 根据 id 查找节点
created_node = matcher[node_id]
print(created_node)

# 删除节点
graph.delete(created_node)
# graph.separate(created_node)

2.5 删除节点

　　这一部分和创建类似，用graph.delete(node)即可。需要注意的这个节点也必须是我们已经从远程匹配到的节点。graph.separate()也可以。delete可以传递的参数：节点，关系，图和子图。

　　为了控制篇幅，其他内容将在下节进行记录。