php连接bae的mongoPython3中PyMongo的用法

欢迎关注天善智能，我们是专注于商业智能BI，大数据，数据剖析领域的垂直社区，学习，问答、求职一站式搞定！

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并启动了其做事，其余安装好了Python的PyMongo库。

连接MongoDB

php连接bae的mongoPython3中PyMongo的用法 Docker

连接MongoDB我们须要利用PyMongo库里面的MongoClient，一样平常来说传入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的连接工具了。

其余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。

指天命据库

MongoDB中还分为一个个数据库，我们接下来的一步便是指定要操作哪个数据库，在这里我以test数据库为例进行解释，以是下一步我们须要在程序中指定要利用的数据库。

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']

两种办法是等价的。

指定凑集

MongoDB的每个数据库又包含了许多凑集Collection，也就类似与关系型数据库中的表，下一步我们须要指定要操作的凑集，在这里我们指定一个凑集名称为students，学生凑集。
还是和指天命据库类似，指定凑集也有两种办法。

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，对付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、年事和性别，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，每条数据实在都有一个_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()方法会在实行后返回的_id值。

运行结果：

5932a68615c2606814c91f3d

当然我们也可以同时插入多条数据，只须要以列脸色势通报即可，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的凑集，运行结果：

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

实际上在PyMongo 3.X版本中，insert()方法官方已经不推举利用了，当然连续利用也没有什么问题，官方推举利用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工具，我们可以调用其inserted_id属性获取_id。

对付insert_many()方法，我们可以将数据以列脸色势通报即可，示例如下：

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'}

可以创造它多了一个_id属性，这便是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，这里须要利用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：

{'_id': ObjectId('593278c115c2602667ec6bae'), 'id': '20170101', 'name': 'Jordan', 'age': 20, 'gender': 'male'}

当然如果查询结果不存在则会返回None。

对付多条数据的查询，我们可以利用find()方法，例如在这里查找年事为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，相称于一个天生器，我们须要遍历取到所有的结果，每一个结果都是字典类型。

如果要查询年事大于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纯挚的数字了，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熟年龄大于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}}

$lte小于即是{'age': {'$lte': 20}}

$gte大于即是{'age': {'$gte': 20}}

$ne不即是{'age': {'$ne': 20}}

$in在范围内{'age': {'$in': [20, 23]}}

$nin不在范围内{'age': {'$nin': [20, 23]}}

其余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.'}})

在这里利用了$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]}}年事模5余0

$text文本查询{'$text': {'$search': 'Mike'}}text类型的属性中包含Mike字符串

$where高等条件查询{'$where': 'obj.fans_count == obj.follows_count'}自身粉丝数即是关注数

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

在某些情形下我们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，得到第三个及往后的元素。

results = collection.find().sort('name', pymongo.ASCENDING).skip(2)print([result['name'] for result in results])

运行结果：

['Kevin', 'Mark', 'Mike']

其余还可以用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()原来会返回三个结果，加了限定之后，会截取2个结果返回。

值得把稳的是，在数据库数量非常弘大的时候，如千万、亿级别，最好不要利用大的偏移量来查询数据，很可能会导致内存溢出，可以利用类似find({'_id': {'$gt': ObjectId('593278c815c2602678bb2b8d')}}) 这样的方法来查询，记录好上次查询的_id。

更新

对付数据更新可以利用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的数据的年事进行更新，首先指定查询条件，然后将数据查询出来，修正年事，之后调用update方法将原条件和修正后的数据传入，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即代表实行成功，nModified代表影响的数据条数。

其余update()方法实在也是官方不推举利用的方法，在这里也分了update_one()方法和update_many()方法，用法更加严格，第二个参数须要利用$类型操作符作为字典的键名，我们用示例感想熏染一下。

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正后的字典，而是须要利用{'$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属性分别可以得到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事大于20，然后更新条件为{'$inc': {'age': 1}}，也便是年事加1，实行之后会讲第一条符合条件的数据年事加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

删除操作比较大略，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}

其余依然存在两个新的推举行法，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>14

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。

其余PyMongo还供应了一些组合方法，如find_one_and_delete()、find_one_and_replace()、find_one_and_update()，便是查找后删除、更换、更新操作，用法与上述方法基本同等。

其余还可以对索引进行操作，如create_index()、create_indexes()、drop_index()等。

详细用法可以拜会官方文档：http://api.mongodb.com/python/current/api/pymongo/collection.html

其余还有对数据库、凑集本身以及其他的一些操作，在这不再逐一讲解，可以拜会官方文档：http://api.mongodb.com/python/current/api/pymongo/

本文作者：天善智能社区崔庆才

原文链接：https://ask.hellobi.com/blog/cuiqingcai/8993

崔庆才老师的推举课程：自己动手，丰衣足食！
Python3网络爬虫实战案例

课程详情请见：https://edu.hellobi.com/course/157

课程特色：