MongoDB用BSON文件做数据迁移

MongoDB用BSON作为基础数据类型，用来存储JSON文档和在进行远程调用时的网络传输数据格式。BSON是指Binary JSON，有类似JSON的数据格式，还支持其他如Date类型，有编解码快等优点。

博主通过读资料和实验确定可行的一个MongoDB数据迁移至MySQL的方案：

• MongoDB数据迁移可通过mongodump命令导出一批BSON文件。
• bsondump命令将BSON文件转化成JSON文件。但根据MongoDB Extended JSON，MongoDB为了支持自身数据类型，对JSON格式做了一些扩展，有以下两种模式：
  • Strict mode
  • mongo Shell mode

　　　 文中指出Strict mode适用于所有JSON解析工具，而mongo Shell mode只能被MongoDB内部的解析器识别。而bsondump的输出格式就是mongo Shell mode，所以需要将输出结果中的某些结构改成Strict mode。比如：

Date

Strict Mode		mongo Shell Mode
{ "$date": "<date>" }		new Date ( <date )

OID

Strict Mode		mongo Shell Mode
{ "$oid": "<id>" }		ObjectId( "<id>" )

  

• Python 正则表达式转化JSON格式（参考json库和json_util库）， bson库的安装方式：　　

# apt-get install python-pip
# python -m pip install pymongo

　　　测试Python脚本：

• import json, re
  from bson import json_util
  
  with open("app.json", "r") as f:
      for jsondata in f:
          jsondata = re.sub(r'ObjectIds*(s*"(S+)"s*)',
                            r'{"$oid": "1"}',
                            jsondata)
          jsondata = re.sub(r'Dates*(s*(S+)s*)',
                            r'{"$date": 1}',
                            jsondata)
  
          # use MongoDB's object_hook function to get
          # rich Python data structures inside a dictionary
          data = json.loads(jsondata, object_hook=json_util.object_hook)
  
          # print(data)
          print type(data['createTime'])
          print data['createTime']
          print type(data['appName'])
          print data['appName'].encode('utf-8')

  对于有多个JSON对象的bson文件，输出结果类似：

　　<type 'datetime.datetime'>
　　2017-04-11 16:30:58.008000+00:00
　　<type 'unicode'>
　　公交无线
　　<type 'datetime.datetime'>
　　2017-04-11 17:09:05.321000+00:00
　　<type 'unicode'>
　　rew
　　<type 'datetime.datetime'>
　　2017-04-11 17:42:52.398000+00:00
　　<type 'unicode'>
　　携程

　　可以看到最后得到了一个dict，可以后续操作导出的数据，比如导入MySQL数据库。value的类型都得到保留，比如Date类型，而字符串类型的都转成了unicode类型。

参考文章： http://stackoverflow.com/questions/11867538/how-can-i-use-python-to-transform-mongodbs-bsondump-into-json