MongoDB存储
在这里我们来看一下Python3下MongoDB的存储操作，在本节开始之前请确保你已经安装好了MongoDB并启动了其服务，另外安装好了Python 的PyMongo库。连接MongoDB 连接MongoDB我们需要使用PyMongo库里面的MongoClient，一般来说传入MongoDB的IP及端口即可，第一个参数为地址host， 第二个参数为端口port，端口如果不传默认是27017。"""import pymongoclient = pymongo.MongoClient(host='localhost', port=27017)"""这样我们就可以创建一个MongoDB的连接对象了。另外MongoClient的第一个参数host还可以直接传MongoDB的连接字符串，以mongodb开头，例如：client = MongoClient('mongodb://localhost:27017/')可以达到同样的连接效果。"""# 指定数据库# MongoDB中还分为一个个数据库，我们接下来的一步就是指定要操作哪个数据库，在这里我以test数据库为例进行说明，所以下一步我们# 需要在程序中指定要使用的数据库。db = client.test# 调用client的test属性即可返回test数据库，当然也可以这样来指定：# db = client['test']# 两种方式是等价的。# 指定集合# MongoDB的每个数据库又包含了许多集合Collection，也就类似与关系型数据库中的表，下一步我们需要指定要操作的集合，# 在这里我们指定一个集合名称为students，学生集合。还是和指定数据库类似，指定集合也有两种方式。collection = db.students# collection = db['students']# 插入数据,接下来我们便可以进行数据插入了，对于students这个Collection，我们新建一条学生数据，以字典的形式表示：student = { 'id': '20170101', 'name': 'Jordan', 'age': 20, 'gender': 'male'}# 在这里我们指定了学生的学号、姓名、年龄和性别，然后接下来直接调用collection的insert()方法即可插入数据。result = collection.insert(student)print(result)# 在MongoDB中，每条数据其实都有一个_id属性来唯一标识，如果没有显式指明_id，MongoDB会自动产生一个ObjectId类型的_id属性。# insert()方法会在执行后返回的_id值。# 运行结果：# 5932a68615c2606814c91f3d# 当然我们也可以同时插入多条数据，只需要以列表形式传递即可，示例如下：student1 = { 'id': '20170101', 'name': 'Jordan', 'age': 20, 'gender': 'male'}student2 = { 'id': '20170202', 'name': 'Mike', 'age': 21, 'gender': 'male'}result = collection.insert([student1, student2])print(result)# 返回的结果是对应的_id的集合，运行结果：# [ObjectId('5932a80115c2606a59e8a048'), ObjectId('5932a80115c2606a59e8a049')]# 实际上在PyMongo 3.X版本中，insert()方法官方已经不推荐使用了，当然继续使用也没有什么问题，# 官方推荐使用insert_one()和insert_many()方法将插入单条和多条记录分开。student = { 'id': '20170101', 'name': 'Jordan', 'age': 20, 'gender': 'male'}result = collection.insert_one(student)print(result)print(result.inserted_id)# 运行结果：# <pymongo.results.InsertOneResult object at 0x10d68b558># 5932ab0f15c2606f0c1cf6c5# 返回结果和insert()方法不同，这次返回的是InsertOneResult对象，我们可以调用其inserted_id属性获取_id。# 对于insert_many()方法，我们可以将数据以列表形式传递即可，示例如下：student1 = { 'id': '20170101', 'name': 'Jordan', 'age': 20, 'gender': 'male'}student2 = { 'id': '20170202', 'name': 'Mike', 'age': 21, 'gender': 'male'}result = collection.insert_many([student1, student2])print(result)print(result.inserted_ids)# insert_many()方法返回的类型是InsertManyResult，调用inserted_ids属性可以获取插入数据的_id列表，运行结果：# <pymongo.results.InsertManyResult object at 0x101dea558># [ObjectId('5932abf415c2607083d3b2ac'), ObjectId('5932abf415c2607083d3b2ad')]# 查询，插入数据后我们可以利用find_one()或find()方法进行查询，find_one()查询得到是单个结果，find()则返回多个结果。result = collection.find_one({'name': 'Mike'})print(type(result))print(result)# 在这里我们查询name为Mike的数据，它的返回结果是字典类型，运行结果：# <class'dict'># {'_id': ObjectId('5932a80115c2606a59e8a049'), 'id': '20170202', 'name': 'Mike', 'age': 21, 'gender': 'male'}# 可以发现它多了一个_id属性，这就是MongoDB在插入的过程中自动添加的。# 我们也可以直接根据ObjectId来查询，这里需要使用bson库里面的ObjectId。from bson.objectid import ObjectIdresult = collection.find_one({'_id': ObjectId('593278c115c2602667ec6bae')})print(result)# 其查询结果依然是字典类型，运行结果：# {' ObjectId('593278c115c2602667ec6bae'), 'id': '20170101', 'name': 'Jordan', 'age': 20, 'gender': 'male'}# 当然如果查询_id':结果不存在则会返回None。# 对于多条数据的查询，我们可以使用find()方法，例如在这里查找年龄为20的数据，示例如下：results = collection.find({'age': 20})print(results)for result in results: print(result)# 运行结果：# <pymongo.cursor.Cursor object at 0x1032d5128># {'_id': ObjectId('593278c115c2602667ec6bae'), 'id': '20170101', 'name': 'Jordan', 'age': 20, 'gender': 'male'}# {'_id': ObjectId('593278c815c2602678bb2b8d'), 'id': '20170102', 'name': 'Kevin', 'age': 20, 'gender': 'male'}# {'_id': ObjectId('593278d815c260269d7645a8'), 'id': '20170103', 'name': 'Harden', 'age': 20, 'gender': 'male'}# 返回结果是Cursor类型，相当于一个生成器，我们需要遍历取到所有的结果，每一个结果都是字典类型。# 如果要查询年龄大于20的数据，则写法如下：results = collection.find({'age': {'$gt': 20}})# 在这里查询的条件键值已经不是单纯的数字了，而是一个字典，其键名为比较符号$gt，意思是大于，键值为20，这样便可以查询出所有# 年龄大于20的数据。# 在这里将比较符号归纳如下表："""符号含义示例$lt小于{'age': {'$lt': 20}}$gt大于{'age': {'$gt': 20}}$lte小于等于{'age': {'$lte': 20}}$gte大于等于{'age': {'$gte': 20}}$ne不等于{'age': {'$ne': 20}}$in在范围内{'age': {'$in': [20, 23]}}$nin不在范围内{'age': {'$nin': [20, 23]}}"""# 另外还可以进行正则匹配查询，例如查询名字以M开头的学生数据，示例如下：results = collection.find({'name': {'$regex': '^M.*'}})# 在这里使用了$regex来指定正则匹配，^M.*代表以M开头的正则表达式，这样就可以查询所有符合该正则的结果。# 在这里将一些功能符号再归类如下："""符号含义示例示例含义$regex匹配正则{'name': {'$regex': '^M.*'}}name以M开头$exists属性是否存在{'name': {'$exists': True}}name属性存在$type类型判断{'age': {'$type': 'int'}}age的类型为int$mod数字模操作{'age': {'$mod': [5, 0]}}年龄模5余0$text文本查询{'$text': {'$search': 'Mike'}}text类型的属性中包含Mike字符串$where高级条件查询{'$where': 'obj.fans_count == obj.follows_count'}自身粉丝数等于关注数"""# 这些操作的更详细用法在可以在MongoDB官方文档找到：# https://docs.mongodb.com/manual/reference/operator/query/# 计数# 要统计查询结果有多少条数据，可以调用count()方法，如统计所有数据条数：count = collection.find().count()print(count)# 或者统计符合某个条件的数据：count = collection.find({'age': 20}).count()print(count)# 排序# 可以调用sort方法，传入排序的字段及升降序标志即可，示例如下：results = collection.find().sort('name', pymongo.ASCENDING)print([result['name'] for result in results])# 运行结果：# ['Harden', 'Jordan', 'Kevin', 'Mark', 'Mike']# 偏移,可能想只取某几个元素，在这里可以利用skip()方法偏移几个位置，比如偏移2，就忽略前2个元素，得到第三个及以后的元素。results = collection.find().sort('name', pymongo.ASCENDING).skip(2)print([result['name'] for result in results])# 运行结果：# ['Kevin', 'Mark', 'Mike']# 另外还可以用limit()方法指定要取的结果个数，示例如下：results = collection.find().sort('name', pymongo.ASCENDING).skip(2).limit(2)print([result['name'] for result in results])# 运行结果：# ['Kevin', 'Mark']# 如果不加limit()原本会返回三个结果，加了限制之后，会截取2个结果返回。# 值得注意的是，在数据库数量非常庞大的时候，如千万、亿级别，最好不要使用大的偏移量来查询数据，很可能会导致内存溢出，# 可以使用类似find({'_id': {'$gt': ObjectId('593278c815c2602678bb2b8d')}}) 这样的方法来查询，记录好上次查询的_id。# 更新# 对于数据更新可以使用update()方法，指定更新的条件和更新后的数据即可，例如：condition = {'name': 'Kevin'}student = collection.find_one(condition)student['age'] = 25result = collection.update(condition, student)print(result)# 在这里我们将name为Kevin的数据的年龄进行更新，首先指定查询条件，然后将数据查询出来，修改年龄，# 之后调用update方法将原条件和修改后的数据传入，即可完成数据的更新。# 运行结果：# {'ok': 1, 'nModified': 1, 'n': 1, 'updatedExisting': True}# 返回结果是字典形式，ok即代表执行成功，nModified代表影响的数据条数。# 另外update()方法其实也是官方不推荐使用的方法，在这里也分了update_one()方法和update_many()方法，用法更加严格，# 第二个参数需要使用$类型操作符作为字典的键名，我们用示例感受一下。condition = {'name': 'Kevin'}student = collection.find_one(condition)student['age'] = 26result = collection.update_one(condition, {'$set': student})print(result)print(result.matched_count, result.modified_count)# 在这里调用了update_one方法，第二个参数不能再直接传入修改后的字典，而是需要使用{'$set': student}这样的形式，# 其返回结果是UpdateResult类型，然后调用matched_count和modified_count属性分别可以获得匹配的数据条数和影响的数据条数。# 运行结果：## <pymongo.results.UpdateResult object at 0x10d17b678># 1 0# 我们再看一个例子：condition = {'age': {'$gt': 20}}result = collection.update_one(condition, {'$inc': {'age': 1}})print(result)print(result.matched_count, result.modified_count)# 在这里我们指定查询条件为年龄大于20，然后更新条件为{'$inc': {'age': 1}}，执行之后会讲第一条符合条件的数据年龄加1。# 运行结果：## <pymongo.results.UpdateResult object at 0x10b8874c8># 1 1# 可以看到匹配条数为1条，影响条数也为1条。# 如果调用update_many()方法，则会将所有符合条件的数据都更新，示例如下：condition = {'age': {'$gt': 20}}result = collection.update_many(condition, {'$inc': {'age': 1}})print(result)print(result.matched_count, result.modified_count)# 这时候匹配条数就不再为1条了，运行结果如下：## <pymongo.results.UpdateResult object at 0x10c6384c8># 3 3# 可以看到这时所有匹配到的数据都会被更新。# 删除# 删除操作比较简单，直接调用remove()方法指定删除的条件即可，符合条件的所有数据均会被删除，示例如下：result = collection.remove({'name': 'Kevin'})print(result)# 运行结果：## {'ok': 1, 'n': 1}# 另外依然存在两个新的推荐方法，delete_one()和delete_many()方法，示例如下：result = collection.delete_one({'name': 'Kevin'})print(result)print(result.deleted_count)result = collection.delete_many({'age': {'$lt': 25}})print(result.deleted_count)# 运行结果：# <pymongo.results.DeleteResult object at 0x10e6ba4c8># 1# 4# delete_one()即删除第一条符合条件的数据，delete_many()即删除所有符合条件的数据，返回结果是DeleteResult类型，# 可以调用deleted_count属性获取删除的数据条数。# 更多# 另外PyMongo还提供了一些组合方法，如find_one_and_delete()、find_one_and_replace()、find_one_and_update()，# 就是查找后删除、替换、更新操作，用法与上述方法基本一致。# 另外还可以对索引进行操作，如create_index()、create_indexes()、drop_index()等。# 详细用法可以参见官方文档：http://api.mongodb.com/python/current/api/pymongo/collection.html# 另外还有对数据库、集合本身以及其他的一些操作，在这不再一一讲解，可以参见