图数据库-Neo4j（二）：Cypher语法

悠悠 2023-09-30 10:54 9阅读 0赞

Cypher的基本概念：Cypher是neo4j图数据的查询语言, 类似于mysql数据库的sql语句, 但是它允许对图形进行富有表现力和有效的查询和更新.

Cypher的基本命令和语法:

*  create命令
 *  match命令
 *  merge命令
 *  relationship关系命令
 *  where命令
 *  delete命令
 *  sort命令
 *  字符串函数
 *  聚合函数
 *  index索引命令

--------------------

## 一、create命令: 创建图数据中的节点 ##

### 1、创建命令格式一 ###

`CREATE (e:Employee{id:222, name:'Bob', salary:6000, deptnp:12})`

*  此处create是关键字, e为’节点’（相当于mysql中的表中的一条记录）的变量名称, Employee为’节点标签’（相当于myslq中的一张表）, e和Employee放在小括号里面()，中间用冒号表示关系
 *  后面把所有属于`节点标签`的`属性`（相当于Myslq中表的列名）放在大括号’\{\}‘里面, 依次写出属性名称:属性值, 不同属性用逗号’,'分隔
 *  例如下面命令创建一个`节点对象`e, `节点标签`是Employee, 拥有id, name, salary, deptnp四个属性;  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70]
 *  **节点名称** e 是当前语句中的临时变量，**节点标签** Employee 才真正保存到图数据库中;
 *  如果你不对对象进行操作就可以不写`节点名称` e，比如create操作:
    
        create(:程序员 {
              name:"小东",age:23,birthday:"1995/12/06"})
        >>Added 1 label, created 1 node, set 3 properties, completed after 21 ms.
 *  对匹配到或者创建的实例进行操作的时候就需要写`节点名称` e,因为只有拿到对象,才能对对象操作,这是必须的.比如下面你要返回检索的结果
    
        match(person:程序员) where person.name="小东" return person
        ╒══════════════════════════════════════════════╕
        │"person"                                      │
        ╞══════════════════════════════════════════════╡
        │{
              "birthday":"1995/12/06","name":"小东","age":23}│
        └──────────────────────────────────────────────┘
        
        match(p1:程序员) where p1.name="小东" return p1
        ╒══════════════════════════════════════════════╕
        │"p1"                                          │
        ╞══════════════════════════════════════════════╡
        │{
              "birthday":"1995/12/06","name":"小东","age":23}│
        └──────────────────────────────────────────────┘

由上面的例子可以看出,无论你节点起什么名字都无所谓,它相当于是python语言里面的一个变量名,指向一个对象,可以对其进行操作.

所以节点是可写可不写的.需要操作实例的时候就需要写节点,也可以理解为节点是对应实例的变量名.

但是注意标签是一定要写的.标签是Neo4j图数据库的分类.需要根据这个进行搜索.

### 2、创建命令格式二 ###

`CREATE (e:Employee) set e.id=222, e.name='Bob', e.salary=6000, e.deptnp=12`

比如：

CREATE (e:Employee)  set e.id=222, e.name='Bob', e.salary=6000, e.deptnp=12 return e

--------------------

## 二、match命令: 匹配(查询)已有数据 ##

# match命令专门用来匹配查询, 节点名称:节点标签, 依然放在小括号内, 然后使用return语句返回查询结果, 和SQL很相似.
    MATCH (e:Employee) RETURN e.id, e.name, e.salary, e.deptno

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70 1]

--------------------

## 三、merge命令: 若节点存在, 则等效与match命令; 节点不存在, 则等效于create命令. ##

MERGE (e:Employee {id:146, name:'Lucer', salary:3500, deptno:16})

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70 2]

然后再次用merge查询, 发现数据库中的数据并没有增加, 因为已经存在相同的数据了, merge匹配成功.

MERGE (e:Employee {id:146, name:'Lucer', salary:3500, deptno:16})

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70 3]

--------------------

## 四、使用create创建关系: ##

必须创建有方向性的关系, 否则报错

# 创建一个节点p1到p2的有方向关系, 这个关系r的标签为Buy, 代表p1购买了p2, 方向为p1指向p2
    CREATE (p1:Profile1)-[r:Buy]->(p2:Profile2)

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70 4]

--------------------

## 五、使用merge创建关系 ##

可以创建有/无方向性的关系.

# 创建一个节点p1到p2的无方向关系, 这个关系r的标签为miss, 代表p1-miss-p2, 方向为相互的
    MERGE (p1:Profile1)-[r:miss]-(p2:Profile2)

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70 5]

--------------------

## 六、where命令: 类似于SQL中的添加查询条件 ##

# 查询节点Employee中, id值等于123的那个节点
    MATCH (e:Employee) WHERE e.id=123 RETURN e

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70 6]

--------------------

## 七、delete命令: 删除节点/关系及其关联的属性. ##

# 注意: 删除节点的同时, 也要删除关联的关系边
    MATCH (c1:CreditCard)-[r]-(c2:Customer) DELETE c1, r, c2

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70 7]  
`match(t:Teacher) delete t`

`match(s:Student)-[r]-(t:Teacher) delete r,s,t`

delete节点时，如果节点之间还有关系会报错  
![在这里插入图片描述][20210326141509488.png]  
`match(t:Teacher) detach delete t` 直接将节点和关系一起删除

快速清空数据库：

MATCH (n)  DETACH DELETE n

--------------------

## 八、sort命令: Cypher命令中的排序使用的是order by ##

# 匹配查询标签Employee, 将所有匹配结果按照id值升序排列后返回结果
    MATCH (e:Employee) RETURN e.id, e.name, e.salary, e.deptno ORDER BY e.id
    
    # 如果要按照降序排序, 只需要将ORDER BY e.salary改写为ORDER BY e.salary DESC
    MATCH (e:Employee) RETURN e.id, e.name, e.salary, e.deptno ORDER BY e.salary DESC

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70 8]

--------------------

## 九、字符串函数: ##

*  toUpper()函数
 *  toLower()函数
 *  substring()函数
 *  replace()函数

### 1、toUpper()函数 ###

将一个输入字符串转换为大写字母.

MATCH (e:Employee) RETURN e.id, toUpper(e.name), e.salary, e.deptno

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70 9]

### 2、toLower()函数 ###

讲一个输入字符串转换为小写字母.

MATCH (e:Employee) RETURN e.id, toLower(e.name), e.salary, e.deptno

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70 10]

### 3、substring()函数 ###

返回一个子字符串.

# 输入字符串为input_str, 返回从索引start_index开始, 到end_index-1结束的子字符串
    substring(input_str, start_index, end_index)
    
    # 示例代码, 返回员工名字的前两个字母
    MATCH (e:Employee) RETURN e.id, substring(e.name,0,2), e.salary, e.deptno

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70 11]

### 4、replace()函数 ###

替换掉子字符串.

# 输入字符串为input_str, 将输入字符串中符合origin_str的部分, 替换成new_str
    replace(input_str, origin_str, new_str)
    
    # 示例代码, 将员工名字替换为添加后缀_HelloWorld
    MATCH (e:Employee) RETURN e.id, replace(e.name,e.name,e.name + "_HelloWorld"), e.salary, e.deptno

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70 12]

--------------------

## 十、聚合函数 ##

*  count()函数
 *  max()函数
 *  min()函数
 *  sum()函数
 *  avg()函数

### 1、count()函数 ###

返回由match命令匹配成功的条数.

# 返回匹配标签Employee成功的记录个数
    MATCH (e:Employee) RETURN count( * )

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70 13]

### 2、max()函数 ###

返回由match命令匹配成功的记录中的最大值.

# 返回匹配标签Employee成功的记录中, 最高的工资数字
    MATCH (e:Employee) RETURN max(e.salary)

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70 14]

### 3、min()函数 ###

返回由match命令匹配成功的记录中的最小值.

# 返回匹配标签Employee成功的记录中, 最低的工资数字
    MATCH (e:Employee) RETURN min(e.salary)

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70 15]

### 4、sum()函数 ###

返回由match命令匹配成功的记录中某字段的全部加和值.

# 返回匹配标签Employee成功的记录中, 所有员工工资的和
    MATCH (e:Employee) RETURN sum(e.salary)

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70 16]

### 5、avg()函数 ###

返回由match命令匹配成功的记录中某字段的平均值.

# 返回匹配标签Employee成功的记录中, 所有员工工资的平均值
    MATCH (e:Employee) RETURN avg(e.salary)

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70 17]

--------------------

## 十一、索引index ##

Neo4j支持在节点或关系属性上的索引, 以提高查询的性能.

可以为具有相同标签名称的所有节点的属性创建索引.

### 1、创建索引 ###

使用create index on来创建索引.

# 创建节点Employee上面属性id的索引
    CREATE INDEX ON:Employee(id)

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70 18]

### 2、删除索引 ###

使用drop index on来删除索引.

# 删除节点Employee上面属性id的索引
    DROP INDEX ON:Employee(id)

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70 19]

小节总结:

Cypher的基本概念：Cypher是neo4j图数据的查询语言, 类似于mysql数据库的sql语句, 但是它允许对图形进行富有表现力和有效的查询和更新.

Cypher的基本命令和语法:  
\* create命令  
\* match命令  
\* merge命令  
\* relationship关系命令  
\* where命令  
\* delete命令  
\* sort命令  
\* 字符串函数  
\* 聚合函数  
\* index索引命令

--------------------

*  create命令: 创建图数据中的节点.
    
     *  CREATE (e:Employee\{id:222, name:‘Bob’, salary:6000, deptnp:12\})

--------------------

*  match命令: 匹配(查询)已有数据.
    
     *  MATCH (e:Employee) RETURN e.id, e.name, e.salary, e.deptno

--------------------

*  merge命令: 若节点存在, 则等效与match命令; 节点不存在, 则等效于create命令.
    
     *  MERGE (e:Employee \{id:145, name:‘Lucy’, salary:7500, deptno:12\})

--------------------

*  使用create创建关系: 必须创建有方向性的关系, 否则报错.
    
     *  CREATE (p1:Profile1)-\[r:Buy\]->(p2:Profile2)

--------------------

*  使用merge创建关系: 可以创建有/无方向性的关系.
    
     *  MERGE (p1:Profile1)-\[r:miss\]-(p2:Profile2)

--------------------

*  where命令: 类似于SQL中的添加查询条件.
    
     *  MATCH (e:Employee) WHERE e.id=123 RETURN e

--------------------

*  delete命令: 删除节点/关系及其关联的属性.
    
     *  MATCH (c1:CreditCard)-\[r\]-(c2:Customer) DELETE c1, r, c2

--------------------

*  sort命令: Cypher命令中的排序使用的是order by.
    
     *  MATCH (e:Employee) RETURN e.id, e.name, e.salary, e.deptno ORDER BY e.id

--------------------

*  字符串函数:
    
     *  toUpper()函数
     *  toLower()函数
     *  substring()函数
     *  replace()函数

--------------------

*  toUpper()函数: 将一个输入字符串转换为大写字母.
    
     *  MATCH (e:Employee) RETURN e.id, toUpper(e.name), e.salary, e.deptno

--------------------

*  toLower()函数: 讲一个输入字符串转换为小写字母.
    
     *  MATCH (e:Employee) RETURN e.id, toLower(e.name), e.salary, e.deptno

--------------------

*  substring()函数: 返回一个子字符串.
    
     *  MATCH (e:Employee) RETURN e.id, substring(e.name,0,2), e.salary, e.deptno

--------------------

*  replace()函数: 替换掉子字符串.
    
     *  MATCH (e:Employee) RETURN e.id, replace(e.name,e.name,e.name + “\_HelloWorld”), e.salary, e.deptno

--------------------

*  聚合函数
    
     *  count()函数
     *  max()函数
     *  min()函数
     *  sum()函数
     *  avg()函数

--------------------

*  count()函数: 返回由match命令匹配成功的条数.
    
     *  MATCH (e:Employee) RETURN count( \* )

--------------------

*  max()函数: 返回由match命令匹配成功的记录中的最大值.
    
     *  MATCH (e:Employee) RETURN max(e.salary)

--------------------

*  min()函数: 返回由match命令匹配成功的记录中的最小值.
    
     *  MATCH (e:Employee) RETURN min(e.salary)

--------------------

*  sum()函数: 返回由match命令匹配成功的记录中某字段的全部加和值.
    
     *  MATCH (e:Employee) RETURN sum(e.salary)

--------------------

*  avg()函数: 返回由match命令匹配成功的记录中某字段的平均值.
    
     *  MATCH (e:Employee) RETURN avg(e.salary)

--------------------

*  索引index
    
     *  Neo4j支持在节点或关系属性上的索引, 以提高查询的性能.
     *  可以为具有相同标签名称的所有节点的属性创建索引.

--------------------

*  创建索引: 使用create index on来创建索引.
    
     *  CREATE INDEX ON:Employee(id)

--------------------

*  删除索引: 使用drop index on来删除索引.
    
     *  DROP INDEX ON:Employee(id)

--------------------

参考资料：  
[图数据库(十四)：Neo4j中Cypher书写规范][Neo4j_Cypher]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20210321221623386.jpeg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20210321221644102.jpeg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20210321221702361.jpeg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70 3]: https://img-blog.csdnimg.cn/20210321221716320.jpeg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70 4]: https://img-blog.csdnimg.cn/20210321221727437.jpeg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70 5]: https://img-blog.csdnimg.cn/20210321221736964.jpeg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70 6]: https://img-blog.csdnimg.cn/20210321221750879.jpeg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70 7]: https://img-blog.csdnimg.cn/20210321221803917.jpeg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE=,size_16,color_FFFFFF,t_70
[20210326141509488.png]: https://img-blog.csdnimg.cn/20210326141509488.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70 8]: https://img-blog.csdnimg.cn/2021032122181446.jpeg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70 9]: https://img-blog.csdnimg.cn/2021032122182919.jpeg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70 10]: https://img-blog.csdnimg.cn/20210321221839134.jpeg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70 11]: https://img-blog.csdnimg.cn/20210321221851848.jpeg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70 12]: https://img-blog.csdnimg.cn/20210321221903940.jpeg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70 13]: https://img-blog.csdnimg.cn/2021032122191478.jpeg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70 14]: https://img-blog.csdnimg.cn/20210321221924870.jpeg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70 15]: https://img-blog.csdnimg.cn/20210321221943531.jpeg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70 16]: https://img-blog.csdnimg.cn/20210321221951386.jpeg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70 17]: https://img-blog.csdnimg.cn/20210321222000375.jpeg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70 18]: https://img-blog.csdnimg.cn/2021032122201392.jpeg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70 19]: https://img-blog.csdnimg.cn/20210321222022534.jpeg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE=,size_16,color_FFFFFF,t_70
[Neo4j_Cypher]: https://blog.csdn.net/weixin_43145427/article/details/124270064