js['1,2,17', '1,2,18', '1,2,19', '1,2,20', '1,2,218']获取每一个下标最后一个逗号之后的值

你可以使用 JavaScript 的 `split()` 方法将每个字符串以逗号分割成数组，然后获取数组中最后一个元素即可。

例如：

const arr = ['1,2,17', '1,2,18', '1,2,19', '1,2,20', '1,2,218'];

arr.forEach(str => {
  const splitArr = str.split(',');
  const lastValue = splitArr[splitArr.length - 1];
  console.log(lastValue);
});

输出：

17
18
19
20
218

相关问题

nodev16.19.1 安装yarn

你可以按照以下步骤在 Node.js v16.19.1 版本上安装 Yarn：

1. 首先，确保你已经成功安装了 Node.js v16.19.1。你可以在终端中运行以下命令来验证安装：

   node -v

2. 接下来，使用 npm（Node.js 的包管理器）全局安装 Yarn。在终端中运行以下命令：

   npm install -g yarn

3. 安装完成后，可以运行以下命令来验证 Yarn 是否成功安装：

   yarn --version

如果成功安装了 Yarn，你应该能够看到 Yarn 的版本号输出在终端中。

希望这能帮助到你！如果你还有其他问题，请随时提问。

给出20个py2neo案例

### 回答1：
1. 创建连接到Neo4j图形数据库的对象：

from py2neo import Graph
graph = Graph("bolt://localhost:7687", auth=("user", "password"))

2. 在图形数据库中创建节点：

from py2neo import Node
node = Node("Person", name="Alice")
graph.create(node)

3. 在图形数据库中创建关系：

from py2neo import Relationship
relationship = Relationship(node1, "KNOWS", node2)
graph.create(relationship)

4. 使用Cypher查询语言检索图形数据库中的数据：

from py2neo import Graph
graph = Graph("bolt://localhost:7687", auth=("user", "password"))
result = graph.run("MATCH (n:Person) RETURN n.name")
for record in result:
    print(record[0])

5. 使用绑定变量构建动态Cypher查询：

from py2neo import Graph
graph = Graph("bolt://localhost:7687", auth=("user", "password"))
name = "Alice"
result = graph.run("MATCH (n:Person) WHERE n.name = $name RETURN n", name=name)
for record in result:
    print(record[0])

6. 在图形数据库中创建索引：

from py2neo import Graph
graph = Graph("bolt://localhost:7687", auth=("user", "password"))
graph.run("CREATE INDEX ON :Person(name)")

7. 在图形数据库中创建约束：

from py2neo import Graph
graph = Graph("bolt://localhost:7687", auth=("user", "password"))
graph.run("CREATE CONSTRAINT ON (p:Person) ASSERT p.email IS UNIQUE")

8. 在图形数据库中加载CSV数据：

from py2neo import Graph
graph = Graph("bolt://localhost:7687", auth=("user", "password"))
graph.run("LOAD CSV FROM 'file:///persons.csv' AS row CREATE (:Person {name: row[0], age: row[1]})")

9. 在图形数据库中更新节点

### 回答2：
1. 创建节点和关系：使用py2neo可以轻松创建和管理图形数据库中的节点和关系，例如创建一个人的节点，以及他们之间的关系。

2. 查询节点：使用py2neo可以通过节点属性或标签进行高效的节点查询，例如根据姓名查询所有匹配的人的节点。

3. 查询关系：使用py2neo可以根据关系类型和属性查询匹配的关系，例如查询所有已知的父子关系。

4. 更新节点属性：py2neo提供了便捷的方法来更新节点的属性，例如将一个人的年龄更新为新的值。

5. 更新关系属性：类似于更新节点属性，py2neo还提供了更新关系属性的方法。

6. 删除节点：使用py2neo可以轻松删除节点，以及与其相关的关系。

7. 删除关系：py2neo还提供了删除单个或多个关系的方法。

8. 执行Cypher查询：py2neo允许用户直接执行Cypher查询，从而可以灵活地获取数据。

9. 图形分析：利用py2neo，可以执行各种图形分析任务，例如计算网络中的节点度数或查找最短路径。

10. 图形可视化：py2neo可以与各种可视化工具集成，例如使用matplotlib或D3.js来创建图形可视化。

11. 数据导入和导出：使用py2neo可以将数据从外部源导入图形数据库，也可以将图形数据库中的数据导出到外部文件中。

12. 批量操作：py2neo支持批量操作，从而提高数据处理的效率。

13. 数据库管理：py2neo提供了管理图形数据库的工具和功能，例如创建和删除数据库。

14. 图形数据库安全性：py2neo允许设置和管理图形数据库的安全性，例如用户认证和权限控制。

15. 事务管理：使用py2neo可以执行和管理事务，从而确保数据的一致性。

16. 数据库备份和恢复：py2neo提供了数据库备份和恢复的功能，以确保数据的安全性。

17. 数据库监控：py2neo允许监控图形数据库的状态和性能，从而及时发现和解决问题。

18. 数据库扩展：py2neo支持数据库的扩展，从而满足不同场景下的需求。

19. 数据库迁移：py2neo可帮助用户迁移数据到不同的图形数据库中，以及从其他数据库迁移到图形数据库中。

20. 社交网络分析：利用py2neo，可以进行各种社交网络分析，例如计算节点的中心性或社区检测。

### 回答3：
1. 创建一个节点
py2neo可以用来创建一个新的节点，例如：

from py2neo import Node

node1 = Node("Person", name="Alice")

2. 创建一个节点的属性
使用py2neo可以方便地为节点添加属性，例如：

node1["age"] = 25

3. 创建一个关系
py2neo可以用来创建节点之间的关系，例如：

from py2neo import Relationship

relation = Relationship(node1, "FRIEND_OF", node2)

4. 删除一个节点
py2neo也可以用来删除节点，例如：

node1.delete()

5. 查询节点
通过py2neo可以方便地查询节点，例如：

from py2neo import Graph

graph = Graph()
result = graph.run("MATCH (n:Person) RETURN n").to_table()

6. 查询关系
除了节点外，py2neo也可以查询关系，例如：

result = graph.run("MATCH (n)-[r]->(m) RETURN r").to_table()

7. 更新节点属性
py2neo也可以用来更新节点的属性，例如：

node1["name"] = "Bob"

8. 更新关系属性
py2neo也可以用来更新关系的属性，例如：

relation["since"] = "2021-01-01"

9. 查询多个节点
py2neo可以用来查询并返回多个节点，例如：

result = graph.run("MATCH (n:Person) WHERE n.age > 30 RETURN n").to_table()

10. 查询节点的子节点
py2neo可以用来查询节点的子节点，例如：

result = graph.run("MATCH (n)-[:FRIEND_OF]->(m) RETURN m").to_table()

11. 查询节点的父节点
py2neo也可以用来查询节点的父节点，例如：

result = graph.run("MATCH (n)<-[:FRIEND_OF]-(m) RETURN m").to_table()

12. 查询节点的属性
py2neo可以用来查询节点的属性，例如：

result = graph.run("MATCH (n:Person) RETURN n.name, n.age").to_table()

13. 查询关系的属性
py2neo可以用来查询关系的属性，例如：

result = graph.run("MATCH (n)-[r]->(m) RETURN r.since").to_table()

14. 查询节点的度
py2neo可以用来查询节点的度，例如：

result = graph.run("MATCH (n:Person) RETURN n, size((n)--()) as degree").to_table()

15. 查询节点的入度
py2neo可以用来查询节点的入度，例如：

result = graph.run("MATCH (n:Person) RETURN n, size((n)<--()) as indegree").to_table()

16. 查询节点的出度
py2neo可以用来查询节点的出度，例如：

result = graph.run("MATCH (n:Person) RETURN n, size((n)-->()) as outdegree").to_table()

17. 查询节点的邻居节点
py2neo可以用来查询节点的邻居节点，例如：

result = graph.run("MATCH (n:Person)-[]-(m) RETURN m").to_table()

18. 添加节点的标签
py2neo可以用来为节点添加或删除标签，例如：

node1.add_label("Student")

19. 创建一个节点的索引
py2neo可以用来为节点创建索引，例如：

graph.run("CREATE INDEX ON :Person(name)")

20. 查询节点的索引
py2neo可以用来查询节点的索引，例如：

graph.run("CALL db.indexes").to_table()

以上只是一些典型的py2neo案例，py2neo还有很多功能和用法可以探索和使用。