第四节–MongoDB数据库操作
一.MongoDB介绍
MongoDB是一种基于分布式文件存储的数据库，有c++语言编写，旨在为Web应用提供可扩展的高性能数据存储解决方案。MongoDB是介于关系数据库和非关系数据库之间的产品，是非关系数据库中功能最丰富，最像关系数据库的数据库
MongoDB支持的数据结构非常松散，类似于JSON的BSON格式，因此可以存储比较复杂的数据类型。MongoDB最大的特点是支持的查询语言非常强大，其语法有点类似面向对象的查询语言，几乎可以实现类似关系数据库单表查询的绝大部分功能，而且还支持对数据建立索引
MongoDB的特点是高性能，易部署，易使用，存储数据非常方便。主要功能特性有：
- 面向集合存储，易存储对象类型的数据
- 模式自由
- 支持动态查询
- 支持完全索引，包含内部对象
- 支持查询
- 使用高效的二进制数据存储，包括大型对象(如视频等)
- 自动处理碎片，以支持云计算层次的扩展性
- 支持
Ruby,python,Java,C++,PHP,C#等多种语言 - 文件存储格式为
BSON（一种JSON的扩展） - 支持复制和故障恢复
- 可通过网络访问
所谓面向集合(Collection-Oriented)，意思是数据被分组存储在数据集中，被称为一个集合(Collection)。每个集合在数据库中都有一个唯一的标识名，并且可以包含无限数目的文档。集合的概念类似关系数据库(RDBMS)里的表(Table)，不同的是MongoDB不需要定义任何模式(Schema)，具有闪存高速缓存算法，能够快速识别数据内大数据集中的热数据，提供一致的性能改进
模式自由(Schema-Free)，意味着对于存储在MongoDB数据库中的文件，不需要知道它的任何结构定义。如果需要，完全可以把不同结构的文件存储在同一个数据库里
存储在集合中的文档被存储为键–值对的形式。键用于唯一标识一个文档，为字符串类型，而值则可以是各种复杂的文件类型。我们称这种存储形式为BSON(Binary Serialized Document Format)
MongoDB已经在多个站点部署，其主要场景如下：
- 网站实时数据处理。非常适合实时地添加，更新与查询，并具备网站实时数据存储所需的复制及高度伸缩性
- 缓存。由于性能很高，因此适合作为信息基础设施的缓存层。在系统重启之后，由它搭建的持久性缓存层可以避免下层的数据源过载
- 高伸缩性的场景。非常适合由数十或数百台服务器组成的数据库，它的路线图中已经包含对MapReduce引擎的内置支持
二.安装及使用
使用python操作MongoDB需要搭建开发环境，介绍Windows下搭建python+MongoDB环境配置、配置环境需安装MongoDB,MongoDB可视化工具和python操作MongoDB模块
1.MongoDB
MongoDB的安装包可在官方网站下载社区版(www.mongodb.com/download-center#community)
安装完成后，在该目录下新建文件夹data和log，分别用于存放数据库文件和log日志文件，再创建一个mongo.conf配置文件
打开新创建的mongo.conf，输入以下代码：
# 数据库文件路径
dbpath=安装目录data
# 日志输出文件路径
logpath=安装目录logmongo.log
写入配置信息后保存关闭文件，然后打开CMD窗口(终端)，路径切换到安装目录下的bin目录，依次输入以下命令：
mongod --config "配置文件mongo.conf绝对路径" --install --serviceName "MongoDB"
net start MongoDB
以上命令代表将MongoDB数据库服务器添加到Windows服务，这样可免去每次手动开启MongoDB
完全配置设置后，在浏览器输入http://127.0.0.1:27017验证配置是否成功，出现下图内容则说明配置成功
2.MongoDB可视化工具
可视化工具可帮助使用者快速查看数据库的使用情况，MongoDB常用的可视化工具有RoboMongo和MongoBooster
以RoboMongo使用为例，官方网站下载地址
Document是BSON格式，类似于JSON
3.创建数据库过程说明
- 右击"localhost(4)"，单击"Create Database"，将数据库命名为"DB"
- 打开数据库"DB"，右击"Collections"，选择"Create Collection"，命名为"user"。新建的user称为集合，相当于关系数据库里面的数据表
- 右击"user"，选择"Insert Document"。Document代表文档内容，相当于MySQL里数据表中的数据
- 集合user里有文件夹"Indexes"，用于实现集合的索引功能；文件夹"Functions"用于实现脚本功能；在"Users"中设定用户账号密码，用于设置访问权限
4.PyMongo
PyMongo是python操作MongoDB的第三方库，有庞大的社区，功能较为稳定和完善。建议使用pip安装PyMongo
三.连接数据库
使用python实现对MongoDB操作的原理与连接关系式数据库一样：连接数据库-->访问数据表(集合)-->增删改查
python连接MongoDB主要有PyMongo实现，连接代码如下：
import pymongo
# 创建对象，连接本地数据库
# 方法一
client=pymongo.MongoClient()
# 方法二
client=pymongo.MongoClient('localhost',27017)
# 方法三
client=MongoClient('mongodb://localhost:27017/')
# 连接DB数据库
db=client['DB']
# 连接集合user，集合类似关系数据库的数据表
# 如果集合不存在，就会新建集合user
user_collection=db.user
# 设置文档格式(文档即我们常说的数据)
代码使用三种方法创建数据库(client)对象，localhost是数据库IP地址，27017是数据库端口，db=client['DB']指向需要连接的数据库，user_collection=db.user指向user集合(相当于关系数据库的数据表)
如果数据库设置了用户验证，在连接命令上要添加验证信息：
import pymongo
# 用户验证方法一
client=pymongo.MongoClient()
db_auth=client.admin
db_auth.authenticate(username,password)
# 连接DB数据库
db=client['DB']
# 用户验证方法二
client=Mongoclient('mongodb://username:password@localhost:27017/')
# 连接DB数据库
db=client['DB']
四.添加文档
在MongoDB中，常用的操作有添加文档，更新文档，删除文档和查询文档。文档的数据结构和JSON基本一样。所有存储在集合中的数据都是BSON格式。BSON是一种类似JSON的二进制形式的存储格式，简称Binary JSON
文档添加方式分别有单条添加和批量添加，实现代码如下：
import pymongo
import datetime
import re
# 创建对象
client=pymongo.MongoClient()
# 连接DB数据库
db=client['DB']
# 连接集合user，集合类似关系数据库的数据表
# 如果集合不存在，就会新建集合user
user_colletction=db.user
# 设置文档格式(文档即我们常说的数据)
user_info={
"_id":100,
"author":"小黄",
"text":"python爬虫开发",
"tags":["mongodb","python","pymongo"],
"date":datetime.datetime.utcnow()
}
# 使用insert_one单条添加文档，inserted_id获取写入后的id
# 添加文档时，如果文档尚未包含"_id"键，就会自动添加"_id"。"_id"的值在集合中必须是唯一的
# inserted_id用于获取添加后的id，若不需要，则可以去掉
user_id=user_colletction.insert_one(user_info).inserted_id
print("user id is",user_id)
# 批量添加
user_infos=[
{
"_id":101,
"author":"小黄",
"text":"python爬虫开发",
"tags":["mongodb","python","pymongo"],
"date":datetime.datetime.utcnow()
},
{
"_id":102,
"author":"小黄_A",
"text":"python爬虫开发_A",
"tags":{"db":"mongodb","lan":"python","model""pymongo"},
"date":datetime.datetime.utcnow()
}
]
# inserted_ids用于获取添加后的id，若不需要，则可以直接去掉
user_id=user_collection.insert_many(user_infos).inserted_ids
print("user is id",user_id)
五.更新文档
更新文档同样分为单条更新和批量更新，分别由update()和update_many()实现。文档更新需要加入操作符。操作符的作用：通常文档只会有一部分要更新，利用原子的更新更新修改器可以使得更新极为高效。所谓原子操作，就是要么将这个文档保存到MongoDB，要么没有保存到MongoDB，不会出现查询到的文档没有保存完整的情况
下面介绍常用的更新操作符：
$set：用来指定一个键的值。如果这个键不存在，就创建它；如果存在，就执行更新$unset：从文档中移除指定的键$inc：修改器用来增加已有键的值，或者在键不存在时创建一个键。$inc就是专门来增加(或减少)数字的$rename：操作符可以重命名字段名称，新的字段名称不能和文档中现有的字段名相同$push：如果指定的键已经存在，就会向已有的数组末尾加入一个元素；如果指定的键不存在，就会创建一个新的数组
# 更新单条文档
# update(筛选条件，更新内容)。筛选条件为空，默认更新第一条文档
user_collection.update(
{},
{"$set":{"author":"小黄","text":"python爬虫"}}
)# 批量更新文档，只要将方法update改为update_many即可
方法update有两个参数，皆为字典格式：第一个字典为筛选条件，若为空，则默认更新第一条文档；第二个字典以操作符为字典的键，更新的内容以字典格式作为字典的值
六.查询文档
查询文档是使用find()方法产生一个查询来从MongoDB的集合中查询到数据。该方法与其他方法的使用大致相同，使用方法如下：
# 查询文档，find({"_id":101}),其中{"_id":101}为查询条件，若查询条件为空，则默认查询全部
find_value=user_collection.find({"_id":101})
print(list(find_value))
如果要实现多条件查询，就需要使用查询操作符：$and和$or，使用方法如下：
# and条件查询
find_value=user_colletction.find(
{
"$and":[{"_id":101},{"Author":"小黄"}]
}
)
print(list(find_value))
# or条件查询
find_value=user_collection.find(
{
"$or":[{"author":"小黄_A"},{"author":"小黄"}]
}
)
print(list(find_value))
方法find()传递字典作为查询条件，操作符$and和$or作为字典的键，字典的值是列表格式的，列表中的元素以字典形式表示，一个元素代表一个查询条件
如果要实现大于，小于或者不等于这类比较查询，就需要使用比较查询操作符：$lt(小于)，$lte(小于或等于)，$gt(大于)，$gte(大于或等于)，$in(in,符合范围内)，$nin(not in,范围之外)
# 如查找id>100而<102，即_id=101的文档
find_value=user_collection.find(
{
"_id":{"$gt":100,"$lt":102}
}
)
print(list(find_value))
# 查找id在[100,101]
find_value=user_collection.find(
{
"_id":{"$in":[100,101]}
}
)
print(list(find_value))
比较查询和多条件查询存在明显的差别：
- 多条件查询以操作符为字典的键，比较查询以字段为字典的键
- 多条件查询的值是列表格式的，比较查询的值是字典格式的
如果使用两者组成一个查询，代码如下：
find_value=user_collection.find(
{
"$and":[{"_id":{"$gt":100,"$lt":102},{"_id":{"$in":[100,101]}}}]
}
)
print(list(find_value))
当查询条件不明确某个值的时候，可以使用模糊匹配进行查询。在MongoDB中实现模糊匹配需要引用正则表达式，代码如下：
# 模糊查询实际上是加入正则表达式实现
# 方法1
find_value=user_colletction.find(
{
"author":{"$regex":".*小.*"}
}
)
print(list(find_value))
# 方法2
regex=re.compile(".*小.*")
find_value=user_collection.find(
{
"author":regex
}
)
print(list(find_value))