neo4j 显示名字_Neo4j：绘制“我的名字是……我在工作”图

neo4j 显示名字

在过去的几天里，我一直在关注DHH发起的有关“我的名字是……”的推文。据我了解，其想法是表明在白板上编写采访谜语/艰巨任务是荒谬的。

您好，我叫大卫。我不会在白板上写气泡排序。我一直在互联网上查找代码。我不做谜语。

— DHH（@dhh） 2017年2月21日

其他人引用了该推文并添加了自己的文章，昨天Eduardo Hernacki建议遍历这条推文链似乎是为Neo4j量身定制的。

@eduardohki是遍历所有这些东西的人吗？＃Neo4j

— Eduardo Hernacki（@eduardohki） 2017年2月28日

Michael很快就出现在现场，并创建了一个Cypher查询，该查询调用Twitter API并根据生成的JSON响应创建Neo4j图形。唯一棘手的一点是创建“承载者令牌”，但是Jason Kotchoff有一个很有帮助的要点，展示了如何从您的Twitter使用者密钥和使用者秘密中生成一个。

现在我们已经获得了承载令牌，让我们创建一个参数来存储它。在Neo4j浏览器中键入以下内容：

:param bearer: '<your-bearer-token-goes-here>'

现在，我们准备查询Twitter API。我们将从搜索API开始，找到所有包含文本“我的名字”“我在工作”'的推文。这将返回一个包含大量推文的JSON响应。然后，我们将为返回的每个推文创建一个节点，为发布该推文的用户创建一个节点，为其引用的推文创建一个节点，并将它们粘合在一起。

我们将使用APOC库中的apoc.load.jsonParams过程来帮助我们导入数据。如果要继续学习，可以使用安装了APOC的Neo4j沙箱实例。对于本地Neo4j安装，在重新启动Neo4j之前，请抓住APOC jar并将其放入您的plugins文件夹中。

这是完整的查询：

WITH 'https://api.twitter.com/1.1/search/tweets.json?count=100&result_type=recent⟨=en&q=' as url, {bearer} as bearerCALL apoc.load.jsonParams(url + "%22my%20name%22%20is%22%20%22I%20work%22",{Authorization:"Bearer "+bearer},null) yield valueUNWIND value.statuses as status
WITH status, status.user as u, status.entities as e
WHERE status.quoted_status_id is not null// create a node for the original tweet
MERGE (t:Tweet {id:status.id}) 
ON CREATE SET t.text=status.text,t.created_at=status.created_at,t.retweet_count=status.retweet_count, t.favorite_count=status.favorite_count// create a node for the author + a POSTED relationship from the author to the tweet
MERGE (p:User {name:u.screen_name})
MERGE (p)-[:POSTED]->(t)// create a MENTIONED relationship from the tweet to any users mentioned in the tweet
FOREACH (m IN e.user_mentions | MERGE (mu:User {name:m.screen_name}) MERGE (t)-[:MENTIONED]->(mu))// create a node for the quoted tweet and create a QUOTED relationship from the original tweet to the quoted one
MERGE (q:Tweet {id:status.quoted_status_id})
MERGE (t)–[:QUOTED]->(q)// repeat the above steps for the quoted tweet
WITH t as t0, status.quoted_status as status WHERE status is not null
WITH t0, status, status.user as u, status.entities as eMERGE (t:Tweet {id:status.id}) 
ON CREATE SET t.text=status.text,t.created_at=status.created_at,t.retweet_count=status.retweet_count, t.favorite_count=status.favorite_countMERGE (t0)-[:QUOTED]->(t)MERGE (p:User {name:u.screen_name})
MERGE (p)-[:POSTED]->(t)FOREACH (m IN e.user_mentions | MERGE (mu:User {name:m.screen_name}) MERGE (t)-[:MENTIONED]->(mu))MERGE (q:Tweet {id:status.quoted_status_id})
MERGE (t)–[:QUOTED]->(q);

生成的图形如下所示：

MATCH p=()-[r:QUOTED]->() RETURN p LIMIT 25

一个更有趣的查询是找到从DHH到Eduardo的路径，我们可以通过以下查询找到该路径：

match path = (dhh:Tweet {id: 834146806594433025})<-[:QUOTED*]-(eduardo:Tweet{id: 836400531983724545})
UNWIND NODES(path) AS tweet
MATCH (tweet)<-[:POSTED]->(user)
RETURN tweet, user

该查询：