neo4j 提供了数据导入工具，但是使用命令行输入太繁琐，多有不便。此处提供一个辅助工具帮助导入。

import.py

#coding=utf-8

import sys
import json
import os
import logging
import glob

logging.basicConfig(level=logging.DEBUG,
                    format="%(asctime)s - %(message)s",
                    datefmt='%Y-%m-%d %H:%M:%S')


def build_command_argument(config):
    database = config.get('database', '')

    nodes = config.get('nodes', [])
    relationships = config.get('relationships', [])

    delimiter = config.get('delimiter', ',')
    array_delimiter = config.get('array-delimiter', ';')
    quote = config.get('quote', '"')
    ignore_duplicate_nodes = config.get('ignore-duplicate-nodes', False)
    ignore_missing_nodes = config.get('ignore-missing-nodes', False)
    multiline_field = config.get("multiline_field", False)

    cmd = ''

    if database:
        cmd += ' --database=' + database

    cmd += ' ' + build_nodes_arguments(nodes)

    cmd += ' ' + build_relationships_arguments(relationships)

    cmd += " --delimiter={0}{1}{0}".format('"', delimiter)
    cmd += " --array-delimiter {0}{1}{0}".format('"', array_delimiter)

    if quote != '"':
        cmd += " --quote {0}{1}{0}".format('"', quote)
    if ignore_duplicate_nodes:
        cmd += " --ignore-duplicate-nodes=true"
    if ignore_missing_nodes:
        cmd += " --ignore-missing-nodes=true"
    if multiline_field:
        cmd += " --multiline-fields=true"

    return cmd


def assert_file_exists(file):
    matched_files = glob.glob(file)
    if not matched_files:
        message = 'has no matched file for pattern: ' + file
        logging.error(message)
        exit(-1)


def build_nodes_arguments(nodes):
    if not nodes:
        logging.error('Except at least one node file, but zero founded.')

    arg = ''
    for node in nodes:
        labels = node.get('labels', [])
        header = node.get('header', '')
        file = node.get('file', '')

        if labels:
            arg += ' --nodes:{}='.format(':'.join(labels))
        else:
            arg += ' --nodes='

        files = []
        if header:
            assert_file_exists(header)
            files.append(header)

        assert_file_exists(file)
        files.append(file)

        arg += '"{}"'.format(",".join(files))

    return arg


def build_relationships_arguments(relationships):
    arg = ''
    for relation in relationships:
        types = relation.get('types', [])
        header = relation.get('header', '')
        file = relation.get('file', '')

        if types:
            arg += ' --relationships:{}='.format(':'.join(types))
        else:
            arg += ' --relationships='

        files = []
        if header:
            assert_file_exists(header)
            files.append(header)

        assert_file_exists(file)
        files.append(file)

        arg += '"{}"'.format(",".join(files))

    return arg


def print_usage():
    logging.info('usage:\n\n    python import.py config.json')


if __name__ == '__main__':
    if len(sys.argv) < 2:
        print_usage()
        sys.exit()

    config_file = sys.argv[1]

    with open(config_file, encoding='utf-8') as fin:
        config = json.load(fin)

    cmd_argument = build_command_argument(config)

    neo4j_home = config['neo4j_home']

    if not neo4j_home:
        logging.error('neo4j_home must be specified.')
        sys.exit()

    os.environ['NEO4J_HOME'] = neo4j_home

    cmd = neo4j_home + '/bin/neo4j-admin import ' + cmd_argument

    # print(cmd)
    os.system(cmd)

使用导入工具

如果需要要导入的文件很多，命令行就会很长。这里提供了一段 python 脚本，通过编写配置文件，生成相应的命令并执行，以缓解输入很长命令的麻烦。

用法如下：

$ python import.py config.json

其中 config.json 为配置文件，文件格式如下：

{   
    "neo4j_home": "/home/xx/neo4j-community",
    "database": "graph.db", // 指定数据库名，默认为 `graph.db`
    "nodes": [{ // 指定节点对应的 csv 文件
        "header": "./data/user_header.csv",
        "file": "./data/user.csv",
        "labels": ["USER"]
    },{ 
        "file": "./data/job.csv",
    }],
    "relationships": [{ // 指定关系对应的 csv 文件
        "file": "./data/browse.csv",
        "types": ['BROWSE']
    }],
    "delimiter": ",",
    "array-delimiter": ";",
    "quote": "\"",
    "ignore-duplicate-nodes": true,
    "ignore-missing-nodes": true
}

说明：

=> neo4j_home

此字段用于指定 neo4j 的主目录，便于定位可执行文件 neo4j-admin 的位置。

=> nodes / relationships

提供节点和关系的数据。

• labels/types：

在节点和关系对应的 csv 文件中，可以不添加 :LABEL 或者 :TYPE 列，而在配置文件中使用 labes 或 types 指出。因为一个节点可以有多种 label，相似地一个关系也可以有多个 type，因此这里使用数组。

• header:

CSV 文件含两个部分，header 和 body，可以将 header 部分单独放在一个文件中。

=> delimiter

指定 csv 的列分隔符，默认为英文逗号 (,)。

=> array-delimiter

csv 文件中某个字段为数组时，数组元素间的分隔符。在生成 CSV 文件的时候，某个属性是数组，将其元素使用 array-delimiter 指定的字符拼接起来，在读入 neo4j 之后，该字段依然能被识别为数组。

=> quote

在 csv 文件中，某个字段的内容中出现了 delimiter，这会导致某一行列数增加，csv 格式就会出错。解决的办法是，将此字段使用 quote 括起来。括起来的内容，出现 delimiter 不会被解释为列分隔符。

因此这里的 quote 需要根据生成 CSV 时的设置来决定。

=> ignore-duplicate-nodes

是否忽略重复的节点，即 ID 重复的是否忽略，默认为 false。

=> ignore-missing-nodes

某个关系指定的节点不存在时，是否忽略该条关系。如果不忽略，就会报错。默认为 false，即不忽略。