python中mongoDB的使用

飞得更高肥尾沙鼠

已于 2023-08-14 10:24:18 修改

阅读量1.5k

点赞数 2

分类专栏： python基础文章标签： python mongodb 爬虫网络爬虫

于 2022-04-27 23:21:13 首次发布

本文链接：https://blog.csdn.net/dzdzdzd12347/article/details/124463182

版权

python基础专栏收录该内容

16 篇文章 1 订阅

订阅专栏

python中mongoDB的使用

MongoDB是由C++语言编写的非关系型数据库，是一个基于分布式文件存储的开源数据库系统，其内容存储形式类似JSON对象，它的字段值可以包含其他文档、数组及文档数组，非常灵活。在这一节中，我们就来看看Python 3下MongoDB的存储操作。

概念

1、数据库（Database）：MongoDB可以包含多个数据库，每个数据库都有自己的集合和文件。
2、集合（Collection）：集合是MongoDB中的一个实体，它是一组文档的集合。相当于传统关系数据库中的表。
3、文档（Document）：MongoDB存储的数据以文档（document）的形式存在，文档是一组键值对的有序集合，类似于关系数据库中的行。

安装MongoDB

1、打开官网：MongoDB官网
在这里插入图片描述
2、选择好版本，我的是windows，选择安装包模式安装，版本就选择最新版（看好了，别选错了），点击下载就好了，下一个页面的信息随便填写就行

3、文件有点大，估计要400M左右，要等一会
4、安装，我选择第二个自定义安装：可以自己选择安装路径
在这里插入图片描述
安装路径我就放在了F盘

等待
在这里插入图片描述
5、设置环境变量，否则无法使用命令行操作
路径为在安装时你设置的路径，最后以bin目录结尾

6、测试
在cmd命令行输入 mongo 显示如下内容就可以了

简单使用命令行操作

命令行启动mongo（适用于重装电脑后服务中的MongoDB消失，第一次安装mongo后可忽略）

首先在与bin同级目录下新建两个文件夹：一个用于存放数据库文件，一个用于存放日志文件（对应我电脑的data和log，这两个文件夹在安装mongo时会创建【已经存在则忽略此步骤】，执行此步骤只是方便后续启动mongo需要传入此路径）
在这里插入图片描述
执行命令启动mongo，但是此时仅仅是临时启动，每次启动电脑都需要重新启动

mongod --dbpath=../data

我们可以将其注册为系统服务，每次电脑开机自动运行
使用管理员运行cmd，否则会出现权限不足无法访问的错误

sc.exe create MongoDB binPath= "\"F:\Program Files\MongoDB\Server\5.0\bin\mongod.exe\" --service --config=\"F:\Program Files\MongoDB\Server\5.0\bin\mongod.cfg\"" DisplayName= "MongoDB" start= "auto"

一般在bin目录下会自动生成mongod.cfg文件
如果没有此文件我们需要自己创建（其中的data和log文件夹路径需要根据不同电脑自行修改）

# mongod.conf

# for documentation of all options, see:
#   http://docs.mongodb.org/manual/reference/configuration-options/

# Where and how to store data.
storage:
  dbPath: F:\Program Files\MongoDB\Server\5.0\data
  journal:
    enabled: true
#  engine:
#  wiredTiger:

# where to write logging data.
systemLog:
  destination: file
  logAppend: true
  path:  F:\Program Files\MongoDB\Server\5.0\log\mongod.log

# network interfaces
net:
  port: 27017
  bindIp: 127.0.0.1


#processManagement:

#security:

#operationProfiling:

#replication:

#sharding:

## Enterprise-Only Options:

#auditLog:

#snmp:

使用

简单介绍一下mongoDB中一些操作

show dbs: 显示所有数据库
show databases: 显示所有数据库
use xxxx: 使用指定数据库/创建数据库（新库中插入数据才可以显示新库）
db: 查看当前正在使用的数据库
db.dropDatabase(): 删除当前数据库
show collections: 显示当前数据库中所有的集合(表)

进行如下操作前，先使用mongo命令连接数据库
1、show dbs
可以显示你所有的数据库
在这里插入图片描述
2、use xx
切换到xx这个数据库（如果xxx存在）/创建一个数据库（如果xxx不存在）

3、show collections
显示当前数据库中的所有几何集合
4、db.xx.count()
查看当前集合有多少条数据

5、db.xxx.drop()
删除当前xxx集合所有数据
在这里插入图片描述

mongodb中常见的数据类型(了解):

Object ID: 主键ID【"_id" : ObjectId("56063f17ade2f21f36b03133")】//插入数据后会自动生成
String: 字符串
Boolean: 布尔值  
Integer: 数字
Doube: 小数
Arrays: 数组,[1,2,3]
Object: 文档(关联其他对象)  {sname: 李嘉诚, sage: 18, class:{cccc}}
Null : 空值 
Timestamp: 时间戳
Date: 时间日期

mongoDB 的唯一ID生成策略

在这里插入图片描述
比如：6331500a7cac81af7136236b 这个ID

前八位字符就代表十六进制的数字 6331500a，转换为十进制的数字就是 1664176138，作为秒级时间戳转换为时间就是 2022-09-26 15:08:58
从时间戳字符结束的位置，向后六位字符，代表机器码
从机器码字符结束的位置，向后四位字符，代表进程的pid
后六位字符就代表同一秒内生成的不同id的序号

python中使用MongoDB

准备工作

在开始之前，请确保已经安装好了MongoDB并启动了其服务，并且安装好了Python的PyMongo库。

1. 安装 pymongo

首先要借助第三方库 pymongo ，所以安装：

pip install pymongo

2. 连接MongoDB

连接MongoDB时，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，其中第一个参数为地址host，第二个参数为端口port（如果不给它传递参数，默认是27017）：

import pymongo
client = pymongo.MongoClient(host='localhost', port=27017)

这样就可以创建MongoDB的连接对象了。

另外，MongoClient的第一个参数host还可以直接传入MongoDB的连接字符串，它以mongodb开头，例如：

client = MongoClient('mongodb://localhost:27017/')

这也可以达到同样的连接效果。

3. 指定数据库

MongoDB中可以建立多个数据库，接下来我们需要指定操作哪个数据库。这里我们以test数据库为例来说明，下一步需要在程序中指定要使用的数据库：

db = client.test

这里调用client的test属性即可返回test数据库。当然，我们也可以这样指定：

db = client['test']

这两种方式是等价的。

4. 指定集合

MongoDB的每个数据库又包含许多集合（collection），它们类似于关系型数据库中的表。

下一步需要指定要操作的集合，这里指定一个集合名称为students。与指定数据库类似，指定集合也有两种方式：

collection = db.students

collection = db['students']

这样我们便声明了一个Collection对象。

5. 插入数据

接下来，便可以插入数据了。对于students这个集合，新建一条学生数据，这条数据以字典形式表示：

student = {
    'id': '20170101',
    'name': 'Jordan',
    'age': 20,
    'gender': 'male'
}

这里指定了学生的学号、姓名、年龄和性别。接下来，直接调用collection的insert()方法即可插入数据（4.0版本以后已经移除），代码如下：

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。如果没有显式指明该属性，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_id值。

运行结果如下：

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)

返回结果是对应的_id的集合：

[ObjectId('5932a80115c2606a59e8a048'), ObjectId('5932a80115c2606a59e8a049')]

插入后的结果：
在这里插入图片描述

实际上，在PyMongo 3.x版本中，官方已经不推荐使用insert()方法了。当然，继续使用也没有什么问题。官方推荐使用insert_one()和insert_many()方法来分别插入单条记录和多条记录，示例如下：

import pymongo

client = pymongo.MongoClient(host='localhost', port=27017)
db = client['books']
collection = db['info']
student = {
    'id': '20220427',
    'name': 'zqx',
    'age': 23,
    'gender': 'male'
}

result = collection.insert_one(student)
print(result)
print(result.inserted_id)

运行结果如下：

<pymongo.results.InsertOneResult object at 0x000001D808106FC0>
6269f916a3a9955c0187b092

与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，示例如下：

import pymongo

client = pymongo.MongoClient(host='localhost', port=27017)
db = client['books']
collection = db['info']
student1 = {
    'id': '20220427',
    'name': 'zqx',
    'age': 23,
    'gender': 'male'
}

student2 = {
    'id': '20220427',
    'name': 'zzz',
    'age': 23,
    'gender': 'male'
}

result = collection.insert_many([student1, student2])
print(result)
print(result.inserted_ids)

运行结果如下：

<pymongo.results.InsertManyResult object at 0x0000026761F44580>
[ObjectId('6269f8fba95e5d90b9b9427f'), ObjectId('6269f8fba95e5d90b9b94280')]

该方法返回的类型是InsertManyResult，调用inserted_ids属性可以获取插入数据的_id列表。

6. 查询

插入数据后，我们可以利用find_one()或find()方法进行查询，其中find_one()查询得到的是单个结果，find()则返回一个生成器对象。示例如下：

result = collection.find_one({'name': 'zqx'})
print(type(result))
print(result)

这里我们查询name为zqx的数据，它的返回结果是字典类型，运行结果如下：

<class 'dict'>
{'_id': ObjectId('6269f8fba95e5d90b9b9427f'), 'id': '20220427', 'name': 'zqx', 'age': 23, 'gender': 'male'}

可以发现，它多了_id属性，这就是MongoDB在插入过程中自动添加的。

此外，我们也可以根据ObjectId来查询，此时需要使用bson库里面的objectid：

from bson.objectid import ObjectId

result = collection.find_one({'_id': ObjectId('6269f8fba95e5d90b9b9427f')})
print(result)

其查询结果依然是字典类型，具体如下：

{'_id': ObjectId('6269f8fba95e5d90b9b9427f'), 'id': '20220427', 'name': 'zqx', 'age': 23, 'gender': 'male'}

当然，如果查询结果不存在，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，这里查找年龄为23的数据，示例如下：

results = collection.find({'age': 23})
print(results)
for result in results:
    print(result)

运行结果如下：

<pymongo.cursor.Cursor object at 0x000001DAB6F6F040>
{'_id': ObjectId('6269f8fba95e5d90b9b9427f'), 'id': '20220427', 'name': 'zqx', 'age': 23, 'gender': 'male'}
{'_id': ObjectId('6269f8fba95e5d90b9b94280'), 'id': '20220427', 'name': 'zzz', 'age': 23, 'gender': 'male'}
{'_id': ObjectId('6269f916a3a9955c0187b092'), 'id': '20220427', 'name': 'zqx', 'age': 23, 'gender': 'male'}

返回结果是Cursor类型，它相当于一个生成器，我们需要遍历取到所有的结果，其中每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}})

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。

这里将比较符号归纳为下表。

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.*'}})

这里使用$regex来指定正则匹配，^M.*代表以M开头的正则表达式。

这里将一些功能符号再归类为下表。

符号	含义	示例	示例含义
`$regex`	匹配正则表达式	`{'name': {'$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

关于这些操作的更详细用法，可以在MongoDB官方文档找到：
MongoDB官方文档

7. 计数

要统计查询结果有多少条数据，可以调用count()方法。比如，统计所有数据条数：

count = collection.count_documents({})
print(count)

或者统计符合某个条件的数据：

count = collection.count_documents({'age': 23})
print(count)

运行结果是一个数值，即符合条件的数据条数。

8. 排序

排序时，直接调用sort()方法，并在其中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])

运行结果如下：

['asd', 'zqx', 'zzz']

这里我们调用pymongo.ASCENDING指定升序。如果要降序排列，可以传入pymongo.DESCENDING。

9. 偏移

在某些情况下，我们可能想只取某几个元素，这时可以利用skip()方法偏移几个位置。

比如偏移2，就忽略前两个元素，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])

运行结果如下：

['zzz']

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).limit(2)
print([result['name'] for result in results])

运行结果如下：

['asd', 'zqx']

如果不使用limit()方法，原本会返回三个结果，加了限制后，会截取两个结果返回。

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，因为这样很可能导致内存溢出。此时可以使用类似如下操作来查询：

from bson.objectid import ObjectId
collection.find({'_id': {'$gt': ObjectId('593278c815c2602678bb2b8d')}})

这时需要记录好上次查询的_id。

10. 更新

对于数据更新，update()方法已经被官方遗弃了。这里也分为update_one()方法和update_many()方法，用法更加严格，它们的第二个参数需要使用$类型操作符作为字典的键名，示例如下：
更新数据之前：
在这里插入图片描述

这里我们要更新name为zqx的数据的年龄为100岁

import pymongo

client = pymongo.MongoClient(host='localhost', port=27017)
db = client['books']
collection = db['info']

condition = {'name': 'zqx'}#要更新的数据为其name为zqx
update = {"$set": {"age": 100}}#设置年龄为100
result = collection.update_many(condition, update)
print(result)

运行结果如下：

<pymongo.results.UpdateResult object at 0x000002822A3A5F40>

在这里插入图片描述

另外，我们使用$set操作符对数据进行更新，注意如下：

result = collection.update(condition, {'$set': student})

这样可以只更新student字典内存在的字段。如果原先还有其他字段，则不会更新，也不会删除。而如果不用$set的话，则会把之前的数据全部用student字典替换；如果原本存在其他字段，则会被删除。

condition = {'name': 'Kevin'}
student = collection.find_one(condition)
student['age'] = 26
result = collection.update_one(condition, {'$set': student})
print(result)
print(result.matched_count, result.modified_count)

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。然后分别调用matched_count和modified_count属性，可以获得匹配的数据条数和影响的数据条数。

运行结果如下：

<pymongo.results.UpdateResult object at 0x000002822A3A5F40>

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)

这里指定查询条件为年龄大于20，然后更新条件为{'$inc': {'age': 1}}，也就是年龄加1，执行之后会将第一条符合条件的数据年龄加1。

运行结果如下：

<pymongo.results.UpdateResult object at 0x0000021706F86080>
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：
需求：将所有年龄大于20的学生，在数据库中年龄都加一岁

condition = {'age': {'$gt': 20}}
result = collection.update_many(condition, {'$inc': {'age': 1}})
print(result)
print(result.matched_count, result.modified_count)

这时匹配条数就不再为1条了，运行结果如下：

<pymongo.results.UpdateResult object at 0x000001D784856EC0>
3 3

可以看到，这时所有匹配到的数据都会被更新。

11. 删除

删除操作比较简单，直接调用remove()方法（新版已经移除）指定删除的条件即可，此时符合条件的所有数据均会被删除。示例如下：

result = collection.remove({'name': 'zqx'})
print(result)

运行结果如下：

{'ok': 1, 'n': 1}

另外，这里依然存在两个新的推荐方法——delete_one()和delete_many()。示例如下：

result = collection.delete_one({'name': 'zqx'})
print(result)
print(result.deleted_count)
result = collection.delete_many({'age': {'$lt': 25}})
print(result.deleted_count)

运行结果如下：

<pymongo.results.DeleteResult object at 0x0000023DB0A4D400>
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。它们的返回结果都是DeleteResult类型，可以调用deleted_count属性获取删除的数据条数。

12. 其他操作

另外，PyMongo还提供了一些组合方法，如find_one_and_delete()、find_one_and_replace()和find_one_and_update()，它们是查找后删除、替换和更新操作，其用法与上述方法基本一致。

另外，还可以对索引进行操作，相关方法有create_index()、create_indexes()和drop_index()等。

另外，还有对数据库和集合本身等的一些操作，这里不再一一讲解，可以参见官方文档：
文档手册
 pymongo更新日志

本节讲解了使用PyMongo操作MongoDB进行数据增删改查的方法。

飞得更高肥尾沙鼠

关注

2
点赞
踩
18

收藏

觉得还不错? 一键收藏
打赏
1
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录