加载 CSV

许多现有的应用程序和数据集成使用 CSV 作为最小公分母格式。CSV 文件包含带有分隔符(通常是逗号,但也包括制表符 (TSV) 和冒号 (DSV))的文本,用于分隔列,并使用换行符表示行。字段可能被引用以处理散乱的引号、换行符以及在字段内使用分隔符的情况。

在 Cypher 中,它由 LOAD CSV 支持,并通过 neo4j-import (neo4j-admin import) 工具支持批量导入。现有的 LOAD CSV 在大多数情况下都能正常工作,但缺少一些功能,这些功能由 apoc.load.csvapoc.load.xls 补充。

  • 提供行号

  • 提供每行的映射 (map) 和列表 (list) 两种表示形式

  • 自动数据转换(包括分割成数组)

  • 选择保留原始字符串格式的值

  • 忽略字段(使将整行分配为属性更容易)

  • 无头部文件

  • 将某些值替换为 null

APOC 存储过程还支持读取压缩文件。

数据转换对于直接设置属性很有用,但对于 Cypher 中的计算来说则存在问题,因为 Cypher 不知道映射值的类型,因此它们默认为 Any

要正确使用它们,您必须通过对值使用内置的(例如 toInteger)转换函数来向 Cypher 指示它们的类型。

要从文件读取,您必须启用此配置选项

apoc.import.file.enabled=true

默认情况下,文件路径是全局的;对于相对于 import 目录的路径,请设置

apoc.import.file.use_neo4j_config=true

apoc.load.csv 示例

test.csv
name,age,beverage
Selma,9,Soda
Rana,12,Tea;Milk
Selina,19,Cola
CALL apoc.load.csv('test.csv')
YIELD lineNo, map, list
RETURN *;
表 1. 结果
行号 列表 映射

0

["Selma", "9", "Soda"]

{name: "Selma", age: "9", beverage: "Soda"}

1

["Rana", "12", "Tea;Milk"]

{name: "Rana", age: "12", beverage: "Tea;Milk"}

2

["Selina", "19", "Cola"]

{name: "Selina", age: "19", beverage: "Cola"}

配置选项

除了文件,您还可以传入配置映射

名称 默认值 描述

skip

跳过结果行

limit

限制结果行数

header

true

指示文件是否包含头部

sep

','

分隔符字符串或 'TAB'

quoteChar

'"'

用于引用元素的字符

arraySep

';'

数组分隔符

ignore

[]

要忽略的列

nullValues

[]

哪些值应被视为 null,例如 ['na',false]

mapping

{}

按字段映射,条目键为字段名,例如 {years:{…​.} 参见下方

failOnError

boolean

true

表 2. mapping 条目中每个字段的映射配置
名称 默认值 描述

类型

'int', 'string' 等

array

false

指示字段是否为数组

arraySep

';'

数组分隔符

名称

重命名字段

ignore

false

忽略/删除此字段

nullValues

[]

哪些值应被视为 null,例如 ['na',false]

CALL apoc.load.csv('test.csv', {skip:1, limit:1, header:true, ignore:['name'],
   mapping:{
     age: {type:'int'},
     beverage: {array:true, arraySep:';', name:'drinks'}
   }
})
YIELD lineNo, map, list
RETURN *;
表 3. 结果
行号 列表 映射

1

[12,["Tea","Milk"]]

{"age":12,"drinks":["Tea","Milk"]}

假定以下 CSV

testMultiCharSep.csv
nameSEPARage
SelmaSEPAR8
RanaSEPAR11
SelinaSEPAR18

我们可以执行

CALL apoc.load.csv('testMultiCharSep.csv', {sep:'SEPAR'})
YIELD lineNo, map, list
RETURN *;
表 4. 结果
行号 列表 映射

0

["Selma", "9"]

{name: "Selma", age: "9"}

1

["Rana", "12"]

{name: "Rana", age: "12"}

2

["Selina", "19"]

{name: "Selina", age: "19"}

事务批处理

为了处理大型文件,CALL …​ IN TRANSACTIONS 可以与 LOAD CSV 一起使用,但您必须注意可能破坏此行为的 Eager 操作。

在 APOC 中,您可以将任何数据源与 apoc.periodic.iterate 结合使用以实现相同效果。

CALL apoc.periodic.iterate('
CALL apoc.load.csv({url}) yield map as row return row
','
CREATE (p:Person) SET p = row
', {batchSize:10000, iterateList:true, parallel:true});
请注意,并行操作仅适用于非冲突更新,否则可能会遇到死锁。

为了使这些数据结构可供 Cypher 使用,您可以使用 apoc.load.xml。它接受文件或 http URL 并将 XML 解析为映射数据结构。

请参阅以下存储过程使用示例。

错误处理

您可以使用 failOnError 配置来处理 URL 或 CSV 不正确情况下的结果。例如,借助 apoc.when 存储过程,当 URL 不正确时,您可以将 nothingToListnothingToMap 作为列表和映射结果返回。

CALL apoc.load.csv("MY_CSV_URL", {failOnError:false})
YIELD list, map
WITH list, map
call apoc.do.when(list = [], "return 'nothingToList' as list, 'nothingToMap' as map", "return list, map", {list: list, map: map})
YIELD value
RETURN value["list"], value["map"]
© . All rights reserved.