python中mongoDB的使用

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
在这里插入图片描述
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
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

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
在这里插入图片描述
6、测试
在cmd命令行输入 mongo 显示如下内容就可以了
在这里插入图片描述

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()

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)
在这里插入图片描述
3、show collections
显示当前数据库中的所有几何集合在这里插入图片描述
4、db.xx.count()
查看当前集合有多少条数据
在这里插入图片描述
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clienttest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collectioninsert()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()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

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()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namezqx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namezqx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_countmodified_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()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()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()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。

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

飞得更高肥尾沙鼠

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值