04 爬虫数据存储之Mongodb

MongoDB

认识MongoDB

　　MongoDB是一个基于分布式文件存储的数据库。由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是一个介于关系数据库和非关系数据库之间的产品，是非关系数据库当中功能最丰富，最像关系数据库的。它支持的数据结构非常松散，是类似json的bson格式，因此可以存储比较复杂的数据类型。Mongo最大的特点是它支持的查询语言非常强大，其语法有点类似于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安装教程:https://www.cnblogs.com/zhoulifeng/p/9429597.html

mongodb相关操作:

数据库操作:

> use blog
switched to db blog
> show dbs
admin   0.000GB
config  0.000GB
local   0.000GB
test    0.000GB
> db.article.insert({"title":"西游记"})
WriteResult({ "nInserted" : 1 })
> db.userinfo.insert({"name":"alex"})
WriteResult({ "nInserted" : 1 })
> show tables;
article
userinfo
> show dbs
admin 0.000GB
blog 0.000GB
config 0.000GB
local 0.000GB
test 0.000GB
> db.dropDatabase()
{ "dropped" : "blog", "ok" : 1 }　　

集合操作:

> use blog
switched to db blog
> db.article.insert({"title":"python"})
WriteResult({ "nInserted" : 1 })
> db.article.insert({"title":"linux"})
WriteResult({ "nInserted" : 1 })
> show tables;
article
> db.article.drop()
true
> show tables;
>

文档操作:

　　1.添加文档

复制代码
#1、没有指定_id则默认ObjectId,_id不能重复，且在插入后不可变
 
#2、插入单条
user0={
    "name":"egon",
    "age":10,
    'hobbies':['music','read','dancing'],
    'addr':{
        'country':'China',
        'city':'BJ'
    }
}
 
db.test.insert(user0)
db.test.find()
 
#3、插入多条
user1={
    "_id":1,
    "name":"alex",
    "age":10,
    'hobbies':['music','read','dancing'],
    'addr':{
        'country':'China',
        'city':'weifang'
    }
}
 
user2={
    "_id":2,
    "name":"wupeiqi",
    "age":20,
    'hobbies':['music','read','run'],
    'addr':{
        'country':'China',
        'city':'hebei'
    }
}
 
 
user3={
    "_id":3,
    "name":"yuanhao",
    "age":30,
    'hobbies':['music','drink'],
    'addr':{
        'country':'China',
        'city':'heibei'
    }
}
 
user4={
    "_id":4,
    "name":"jingliyang",
    "age":40,
    'hobbies':['music','read','dancing','tea'],
    'addr':{
        'country':'China',
        'city':'BJ'
    }
}
 
user5={
    "_id":5,
    "name":"jinxin",
    "age":50,
    'hobbies':['music','read',],
    'addr':{
        'country':'China',
        'city':'henan'
    }
}
db.user.insertMany([user1,user2,user3,user4,user5])　
db.user.find()

　　2.查询文档

###################### (1) 比较运算  ###################################
 
# SQL：=,!=,>,<,>=,<=
# MongoDB：{key:value}代表什么等于什么,"$ne","$gt","$lt","gte","lte",其中"$ne"能用于所有数据类型
 
#1、select * from db1.user where name = "alex";
db.user.find({'name':'alex'})
 
#2、select * from db1.user where name != "alex";
db.user.find({'name':{"$ne":'alex'}})
 
#3、select * from db1.user where id > 2;
db.user.find({'_id':{'$gt':2}})
 
#4、select * from db1.user where id < 3;
db.user.find({'_id':{'$lt':3}})
 
#5、select * from db1.user where id >= 2;
db.user.find({"_id":{"$gte":2,}})
 
#6、select * from db1.user where id <= 2;
db.user.find({"_id":{"$lte":2}})

###################### (2) 逻辑运算  ###################################
 
# SQL：and，or，not
# MongoDB：字典中逗号分隔的多个条件是and关系，"$or"的条件放到[]内,"$not"
 
#1、select * from db1.user where id >= 2 and id < 4;
db.user.find({'_id':{"$gte":2,"$lt":4}})
 
#2、select * from db1.user where id >= 2 and age < 40;
db.user.find({"_id":{"$gte":2},"age":{"$lt":40}})
 
#3、select * from db1.user where id >= 5 or name = "alex";
db.user.find({
    "$or":[
        {'_id':{"$gte":5}},
        {"name":"alex"}
        ]
})
#4、select * from db1.user where id % 2=1;
db.user.find({'_id':{"$mod":[2,1]}})
 
#5、上题，取反
db.user.find({'_id':{"$not":{"$mod":[2,1]}}})
###################### (3) 成员运算  ###################################
 
# SQL：in，not in
# MongoDB："$in","$nin"
 
#1、select * from db1.user where age in (20,30,31);
db.user.find({"age":{"$in":[20,30,31]}})
 
#2、select * from db1.user where name not in ('alex','yuanhao');
db.user.find({"name":{"$nin":['alex','yuanhao']}})

###################### (4) 正则匹配  ###################################
 
# SQL: regexp 正则
# MongoDB: /正则表达/i
 
#1、select * from db1.user where name regexp '^j.*?(g|n)$';
db.user.find({'name':/^j.*?(g|n)$/i})


###################### (5) 取指定字段  ###################################
 
#1、select name,age from db1.user where id=3;
db.user.find({'_id':3},{''name':1,'age':1})
#2 db.user.find({'_id':3},{"addr":0})
{ "_id" : 3, "name" : "yuanhao", "age" : 30, "hobbies" : [ "music", "drink" ] }

###################### (6) 查询数组  ###################################
 
#1、查看有dancing爱好的人
db.user.find({'hobbies':'dancing'})
 
#2、查看既有dancing爱好又有tea爱好的人
db.user.find({
    'hobbies':{
        "$all":['dancing','tea']
        }
})
 
#3、查看第4个爱好为tea的人
db.user.find({"hobbies.3":'tea'})
 
#4、查看所有人最后两个爱好
db.user.find({},{'hobbies':{"$slice":-2},"age":0,"_id":0,"name":0,"addr":0})
 
#5、查看所有人的第2个到第3个爱好
db.user.find({},{'hobbies':{"$slice":[1,2]},"age":0,"_id":0,"name":0,"addr":0})
 

###################### (7) 排序  ###################################
 
# 排序:--1代表升序，-1代表降序
db.user.find().sort({"name":1,})
db.user.find().sort({"age":-1,'_id':1})

###################### (8) 分页  ###################################
 
# 分页:--limit代表取多少个document，skip代表跳过前多少个document。
db.user.find().sort({'age':1}).limit(1).skip(2)
 
###################### (9) 查询数量  ###################################
# 获取数量
db.user.count({'age':{"$gt":30}})
 
--或者
db.user.find({'age':{"$gt":30}}).count()

###################### (10) 其它  ###################################
 
#1、{'key':null} 匹配key的值为null或者没有这个key
db.t2.insert({'a':10,'b':111})
db.t2.insert({'a':20})
db.t2.insert({'b':null})
 
> db.t2.find({"b":null})
{ "_id" : ObjectId("5a5cc2a7c1b4645aad959e5a"), "a" : 20 }
{ "_id" : ObjectId("5a5cc2a8c1b4645aad959e5b"), "b" : null }
 
#2、查找所有
db.user.find() #等同于db.user.find({})
db.user.find().pretty()
 
#3、查找一个，与find用法一致，只是只取匹配成功的第一个
db.user.findOne({"_id":{"$gt":3}})　

　　3.修改文档

复制代码
############################## 1 update的语法  ##############################
 
update() 方法用于更新已存在的文档。语法格式如下：
db.collection.update(
   <query>,
   <update>,
   {
     upsert: <boolean>,
     multi: <boolean>,
     writeConcern: <document>
   }
)
参数说明：对比update db1.t1 set name='EGON',sex='Male' where name='egon' and age=18;
 
query : 相当于where条件。
update : update的对象和一些更新的操作符（如$,$inc...等，相当于set后面的
upsert : 可选，默认为false，代表如果不存在update的记录不更新也不插入，设置为true代表插入。
multi : 可选，默认为false，代表只更新找到的第一条记录，设为true,代表更新找到的全部记录。
writeConcern :可选，抛出异常的级别。
 
更新操作是不可分割的：若两个更新同时发送，先到达服务器的先执行，然后执行另外一个，不会破坏文档。
 
############################## 2 覆盖更新  ##############################
 
#注意：除非是删除，否则_id是始终不会变的
#1 :
db.user.update({'age':20},{"name":"Wxx","hobbies_count":3})
是用{"_id":2,"name":"Wxx","hobbies_count":3}覆盖原来的记录
 
#2、一种最简单的更新就是用一个新的文档完全替换匹配的文档。这适用于大规模式迁移的情况。例如
var obj=db.user.findOne({"_id":2})
 
obj.username=obj.name+'SB'
obj.hobbies_count++
delete obj.age
 
db.user.update({"_id":2},obj)
 
############################## 3 局部更新  ##############################
 
#设置：$set
 
通常文档只会有一部分需要更新。可以使用原子性的更新修改器，指定对文档中的某些字段进行更新。
更新修改器是种特殊的键，用来指定复杂的更新操作，比如修改、增加后者删除
 
#1、update db1.user set  name="WXX" where id = 2
db.user.update({'_id':2},{"$set":{"name":"WXX",}})
 
#2、没有匹配成功则新增一条{"upsert":true}
db.user.update({'_id':6},{"$set":{"name":"egon","age":18}},{"upsert":true})
 
#3、默认只改匹配成功的第一条,{"multi":改多条}
db.user.update({'_id':{"$gt":4}},{"$set":{"age":28}})
db.user.update({'_id':{"$gt":4}},{"$set":{"age":38}},{"multi":true})
 
#4、修改内嵌文档，把名字为alex的人所在的地址国家改成Japan
db.user.update({'name':"alex"},{"$set":{"addr.country":"Japan"}})
 
#5、把名字为alex的人的地2个爱好改成piao
db.user.update({'name':"alex"},{"$set":{"hobbies.1":"piao"}})
 
#6、删除alex的爱好,$unset
db.user.update({'name':"alex"},{"$unset":{"hobbies":""}})
 
############################## 4 自增或自减  ##############################
 
#增加和减少：$inc
 
#1、所有人年龄增加一岁
db.user.update({},
    {
        "$inc":{"age":1}
    },
    {
        "multi":true
    }
    )
#2、所有人年龄减少5岁
db.user.update({},
    {
        "$inc":{"age":-5}
    },
    {
        "multi":true
    }
    )
 
 
############################## 5 添加删除数组内元素 ##############################
 
#添加删除数组内元素：$push,$pop,$pull
     
往数组内添加元素:$push
#1、为名字为yuanhao的人添加一个爱好read
db.user.update({"name":"yuanhao"},{"$push":{"hobbies":"read"}})
 
#2、为名字为yuanhao的人一次添加多个爱好tea，dancing
db.user.update({"name":"yuanhao"},{"$push":{
    "hobbies":{"$each":["tea","dancing"]}
}})
 
按照位置且只能从开头或结尾删除元素：$pop
#3、{"$pop":{"key":1}} 从数组末尾删除一个元素
 
db.user.update({"name":"yuanhao"},{"$pop":{
    "hobbies":1}
})
 
#4、{"$pop":{"key":-1}} 从头部删除
db.user.update({"name":"yuanhao"},{"$pop":{
    "hobbies":-1}
})
 
#5、按照条件删除元素,："$pull" 把符合条件的统统删掉，而$pop只能从两端删
db.user.update({'addr.country':"China"},{"$pull":{
    "hobbies":"read"}
},
{
    "multi":true
}
)
 
 
############################## 6 避免重复添加 ##############################
 
#避免添加重复："$addToSet"
 
db.urls.insert({"_id":1,"urls":[]})
 
db.urls.update({"_id":1},{"$addToSet":{"urls":'http://www.baidu.com'}})
db.urls.update({"_id":1},{"$addToSet":{"urls":'http://www.baidu.com'}})
db.urls.update({"_id":1},{"$addToSet":{"urls":'http://www.baidu.com'}})
 
db.urls.update({"_id":1},{
    "$addToSet":{
        "urls":{
        "$each":[
            'http://www.baidu.com',
            'http://www.baidu.com',
            'http://www.xxxx.com'
            ]
            }
        }
    }
)
 
############################## 7 其它 ##############################
 
#1、了解：限制大小"$slice"，只留最后n个
 
db.user.update({"_id":5},{
    "$push":{"hobbies":{
        "$each":["read",'music','dancing'],
        "$slice":-2
    }
    }
})
 
#2、了解：排序The $sort element value must be either 1 or -1"
db.user.update({"_id":5},{
    "$push":{"hobbies":{
        "$each":["read",'music','dancing'],
        "$slice":-1,
        "$sort":-1
    }
    }
})
 
#注意：不能只将"$slice"或者"$sort"与"$push"配合使用，且必须使用"$eah"　　

　　4.删除文档

#1、删除多个中的第一个
db.user.deleteOne({ 'age': 8 })
  
#2、删除国家为China的全部
db.user.deleteMany( {'addr.country': 'China'} )
  
#3、删除全部
db.user.deleteMany({})

Pymong模块

import pymongo
1 连接mongo数据库
client = pymongo.MongoClient(host='localhost', port=27017)

2 获取数据库以及集合
db=client.spider
collection = db.students

############################### 添加文档 ############################
3 添加一个文档
student = {
    'id': '20100101',
    'name': 'alex',
    'age': 38,
    'gender': 'male'
}
方式1:
result = collection.insert_one(student)
方式2:
collection.save(student)

print(collection.find())
for el in collection.find():
    print(el)

3 添加多个文档
student1 = {
    'id': '20170104',
    'name': 'Amy',
    'age': 20,
    'gender': 'male'
}

student2 = {
    'id': '20170202',
    'name': 'Mike',
    'age': 21,
    'gender': 'male'
}

ret = collection.insert_many([student1,student2])
for el in collection.find():
    print(el)

############################### 查询文档 ############################
1如果要查询年龄大于20的数据，则写法如下：
ret = collection.find({"age":{"$gt":20}})

2. 计数
要统计查询结果有多少条数据，可以调用count()方法，如统计所有数据条数
ret = collection.find({"age":{"$gt":20}}).count()
print(ret)

3. 排序
可以调用sort方法，传入排序的字段及升降序标志即可，示例如下：
ret = collection.find().sort("age",pymongo.ASCENDING)

4.偏移,可能想只取某几个元素，在这里可以利用skip()方法偏移几个位置，比如偏移2，就忽略前2个元素，得到第三个及以后的元素。
ret = collection.find().sort('name', pymongo.ASCENDING).skip(2)


5.另外还可以用limit()方法指定要取的结果个数，示例如下：

ret = collection.find().sort('name', pymongo.ASCENDING).skip(2).limit(2)



############################### 更新文档 ############################
覆盖更新
ret = collection.update({"name":"Mike"},{"xxx":'yyy'})
局部更新
collection.update({"name":"Amy"},{"$set":{"age":100}})
collection.update_many({},{"$inc":{"age":20}})


############################### 删除文档 ############################
result = collection.remove({'xxx': 'yyy'})


两个新的推荐方法，delete_one()和delete_many()方法
result = collection.delete_one({'xxx': 'yyy'})
result = collection.delete_many({'age': {'$lt': 50}})

详细内容可查看:https://www.cnblogs.com/pyedu/p/10313148.html