Protege 构建知识图谱并接入 Neo4j 与前端可视化实战

使用 apoc.export.json.query 导出指定范围的数据：

CALL apoc.export.json.query(
  "MATCH (n) WHERE n:`课名称` OR n:`知识元` OPTIONAL MATCH (n)-[r]->(m) RETURN n, r, m LIMIT 500",
  "file:///E:/neo4j/neo4j-community-4.4.41/import/output_3.0.json",
  {format: 'PLAIN'}
)

此步骤生成的原始 JSON 结构并不直接符合 ECharts 的 nodes 和 links 格式，需要进行清洗。

前端可视化处理

1. Python 数据清洗

Neo4j 导出的 JSON 包含大量嵌套信息，我们需要编写 Python 脚本将其转换为 ECharts 所需的扁平化结构。

以下是处理脚本示例，请注意修改输入输出路径：

import json

def convert_to_echarts_data(file_path):
    # 加载 Neo4j 导出的 JSON 数据
    with open(file_path, 'r', encoding='utf-8') as f:
        neo4j_data = json.load(f)

    # 初始化 ECharts 数据结构
    echarts_data = {
        "nodes": [],
        "links": []
    }

    # 节点处理：用于去重和避免重复添加
    node_map = {}

    for item in neo4j_data:
        # 处理主节点
        node = item.get("n", None)
        if node:
            node_id = node.get("id")
            node_labels = node.get("labels", [])
            node_properties = node.get("properties", {})
            node_name = node_properties.get("名称", node_properties.get("name", node_id))
            node_uri = node_properties.get("uri", node_id)

            if node_id not in node_map:
                echarts_node = {
                    "id": node_id,
                    "name": node_name,
                    "category": node_labels[1] if len(node_labels) > 1 else "其他",
                    "value": node_uri,
                    "properties": node_properties
                }
                echarts_data["nodes"].append(echarts_node)
                node_map[node_id] = echarts_node

        # 处理关联节点
        m_node = item.get("m", None)
        if m_node:
            node_id = m_node.get("id")
            node_labels = m_node.get("labels", [])
            node_properties = m_node.get("properties", {})
            node_name = node_properties.get("名称", node_properties.get("name", node_id))
            node_uri = node_properties.get("uri", node_id)

            if node_id not in node_map:
                echarts_node = {
                    "id": node_id,
                    "name": node_name,
                    "category": node_labels[1] if len(node_labels) > 1 else "其他",
                    "value": node_uri,
                    "properties": node_properties
                }
                echarts_data["nodes"].append(echarts_node)
                node_map[node_id] = echarts_node

    # 边处理
    for item in neo4j_data:
        relationship = item.get("r", None)
        if relationship:
            start_node = relationship.get("start")
            end_node = relationship.get("end")
            start_id = start_node.get("id")
            end_id = end_node.get("id")
            relationship_label = relationship.get("label")

            echarts_link = {
                "source": start_id,
                "target": end_id,
                "value": relationship_label
            }
            echarts_data["links"].append(echarts_link)

    return echarts_data

if __name__ == "__main__":
    input_file = r"<你的输入文件路径>"
    output_file = "converted_data.json"
    
    echarts_data = convert_to_echarts_data(input_file)
    
    with open(output_file, 'w', encoding='utf-8') as f:
        json.dump(echarts_data, f, ensure_ascii=False, indent=4)
    
    print(f"数据已成功转换并保存到 {output_file}")

转换后的数据将包含标准的 nodes 和 links 数组，可直接用于 ECharts 渲染。

2. 前端集成

最后一步是学习 Vue 框架结合 ECharts 实现交互。由于本项目聚焦于教育领域的知识图谱，可根据具体业务需求调整节点样式与交互逻辑。完成上述所有步骤后，即可形成自己的可视化知识图谱应用。