MongoDB文档存储

📋个人简介💖作者简介大家好，我是W_chuanqi，一个编程爱好者😀支持我💬愿你我共勉“若身在泥潭，心也在泥潭，则满眼望去均是泥潭；若身在泥潭，而心系鲲鹏，则能见九万里天地。”✨✨✨。...

W_chuanqi

3125人浏览 · 2022-07-31 21:10:47

W_chuanqi · 2022-07-31 21:10:47 发布

📋 个人简介
💖 作者简介：大家好，我是W_chuanqi，一个编程爱好者
📙 个人主页：W_chaunqi
😀 支持我：点赞👍+收藏⭐️+留言📝
💬 愿你我共勉：“若身在泥潭，心也在泥潭，则满眼望去均是泥潭；若身在泥潭，而心系鲲鹏，则能见九万里天地。”✨✨✨

文章目录

MongoDB 文档存储

MongoDB 文档存储

NoSQL，全称为 Not Only SQL，意为不仅仅是 SQL，泛指非关系型数据库。NoSQL 是基于键值对的，而且不需要经过 SQL层的解析，数据之间没有耦合性，性能非常高。

非关系型数据库又可细分如下。

键值存储数据库：代表有 Redis、Voldemort 和 Oracle BDB 等。
列存储数据库：代表有 Cassandra、HBase 和 Riak 等。
文档型数据库：代表有 CouchDB 和 MongoDB 等。
图形数据库：代表有 Neo4J、InfoGrid 和 Infinite Graph 等。

对于爬虫的数据存储来说，一条数据可能存在因某些字段提取失败而缺失的情况，而且数据可能随时调整。另外，数据之间还存在嵌套关系。如果使用关系型数据库存储这些数据，一是需要提前建表，二是如果数据存在嵌套关系，还需要进行序列化操作才可以存储，这非常不方便。如果使用非关系型数据库，就可以避免这些麻烦，更简单、高效。

本节中，我们主要介绍 MongoDB 存储操作。

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，其内容的存储形式类似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。本节我们就来看看 Python 3 下 MongoDB 的存储操作。

1.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，安装方式可以参考：

http://www.runoob.com/mongodb/mongodb-tutorial.html

除了安装好 MongoDB 数据库，我们还需要安装好 Python 的 PyMongo 库，如尚未安装，可以很用 pip 来安装：

pip install pymongo

安装完成

安装好 MongoDB 数据库和 PyMongo 库之后，我们便可以开始本节的学习了。

2.连接 MongoDB

连接 MongoDB时,需要使用 PyMongo库里面的 MongoClient方法，一般而言，传人MongoDB的IP 及端口即可。MongoClient 方法的第一个参数为地址 host，第二个参数为端口 port（如果不传入此参数，默认取值为 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，还可以直接给 MongoCLient 的第一个参数 host 传人 MongoDB 的连接字符串，它以mongdb开头，例如：

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

这可以达到同样的连接效果。

3.指定数据库

在MongoDB 中、可以建立多个数据库，所以我们需要指定操作哪个数据库。这里我们以指定 test 数据库为例来说明：

db = client.test

这里调用 client 的 test 属性即可返回test数据库。当然，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 的每个数据库又都包含许多集合（collection )，这些集合类似于关系型数据库中的表。

下一步需要指定要操作哪些集合，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
//或
collection = db['students']

这样我们便声明了一个集合对象。

5.插入数据

接下来，便可以插人数据了。在 students 这个集合中，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。然后直接调用 collection 类的 insert_one 方法(插入一条数据)即可插人数据，代码如下：

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

在 MongoDB 中，每条数据都有一个_id 属性作为唯一标识。如果没有显式指明该属性，那么MongoDB 会自动产生一个 Objectid 类型的_id 属性，insert_one 方法会返回 InsertOneResult对象，我们可以调用inserted_id属性获取_id。

运行结果如下：

当然，也可以同时插人多条数据，这里我们使用insert_many方法，数据只需要以列表形式传递即可，实例如下：

student1 = {
    'id': '20170101',
    'name': 'Jordan',
    'age': 20,
    'gender': 'male'
}
student2 = {
    'id': '20170102',
    'name': 'Mike',
    'age': 21,
    'gender': 'male'
}
result = collection.insert_many([student1, student2])
print(result)
print(result.inserted_ids)

运行结果如下：

该方法返回的是 InsertManyResult 类型的对象，调用inserted_ids属性可以获取插入数据的_id列表。

6.查询

插人数据后，我们可以利用 find_one 或 find 方法进行查询，用前者查询得到的是单个结果，后者则会返回一个生成器对象。实例代码如下：

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

这里我们查询 name 值为 Mike 的数据，运行结果如下:

可以发现，结果是字典类型，它多了_id 属性，这就是 MongoDB 在插人数据过程中自动添加的。

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

from bson.objectid import ObjectId
import pymongo
client = pymongo.MongoClient(host='localhost', port=27017)
db = client.test
collection = db.students
result = collection.find_one({'_id': ObjectId('62e4ff121fc967ff629bf0db')})
print(result)

其查询结果依然是字典类型，具体如下：

当然，如果查询结果不存在，则会返回 None。

若要查询多条数据，可以使用 find 方法。例如，查找 age 为 20 的数据，实例代码如下：

import pymongo
client = pymongo.MongoClient(host='localhost', port=27017)
db = client.test
collection = db.students
result = collection.find({'age': 20})
print(result)
for item in result:
    print(item)

运行结果如下：

返回结果是 Cursor 类型，相当于一个生成器，通过遍历能够获取所有的结果，其中每个结果都是字典类型。

如果要查询 age 大于 20 的数据，则写法如下：

result = collection.find({'age': {'$gt': 20}})

这里的查询条件中的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。

下表将比较符号进行了归纳。

符号	含义	实例
$lt	小于	{‘age’: {‘$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}}
$nin	不在范围内	{‘age’: {‘$nin’: 20}}

另外，还可以进行正则匹配查询。例如，执行以下代码查询 name 以M为开头的学生数据：

results=collection.find({'name':{'$regex':'^M.*'}})

这里使用$regex 来指定正则匹配，^M.*代表以M为开头的正则表达式。

下面将一些功能符号归类为下表。

符号	含义	实例	实例含义
$regex	匹配正则表达式	{‘name’:{‘$regex’:‘^M.*’}}	name 以M为开头
$exists	属性是否存在	{‘name’:{‘$exists’: True)}	存在 name 属性
$type	类型判断	{‘age’:{‘$type’:‘int’}}	age 的类型为 int
$mod	数字模操作	{‘age’:{‘$mod’:[5, 0]}}	age模5余0
$text	文本查询	{‘ $KaTeX parse error: Expected '}', got 'EOF' at end of input: text':{'$ 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

7.计数

要统计查询结果包含多少条数据，可以调用 estimated_document_count() 方法。例如统计所有数据条数，代码如下：

count = collection.estimated_document_count()
print(count)

统计符合某个条件的数据有多少条，这里需要调用count_documents()方法，代码如下：

count = collection.count_documents({'age': 20})
print(count)

运行结果是一个数值，即符合条件的数据条数。

注意

estimated_document_count() 和count_documents()使用时要注意区分。。。

8.排序

排序时，直接调用 sort 方法，并传入排序的字段及升降序标志即可。实例代码如下：

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

运行结果如下：

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

9.偏移

在某些情况下，我们可能只想取某几个元素，这时可以利用skip方法偏移几个位置，例如偏移2，即忽略前两个元素，获取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：

另外，还可以使用 1imit 方法指定要获取的结果个数，实例代码如下：

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

运行结果如下：

如果不使用 limit 方法加以限制，原本会返回三个结果，而加了限制后，会截取两个结果并返回。

值得注意的是，在数据库中数据量非常庞大的时候（例如千万、亿级别)，最好不要使用大偏移量来查询数据，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('62e5fe905de9ec6ebbe04dc6')}})

这里需要记录好上次查询的_id。

10.更新

对于数据更新，我们可以使用单独的 update_one 方法和update_many 方法来处理单条和多条数据更新过程，用法比较严格，第二个参数都需要使用 $ 类型操作符作为字典的键名，实例代码如下：

condition = {'name': 'Kevin'}
student = collection.find_one(condition)
student['age'] = 25
result = collection.update_one(condition, {'$set': student})
print(result)
print(result.matched_count, result.modified_count)

这里调用的是 update_one 方法，其第二个参数需要使用{‘$set’：student}这种形式的数据。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：

可以发现 update_one 方法的返回结果是 UpdateResult 类型。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 age 大于 20，然后更新条件是{‘$inc’：{‘age’：1}}，也就是对 age 加1，因此执行 update_one 方法之后，会对第一条符合查询条件的学生数据的 age 加 1。

运行结果如下：

可以看到匹配条数为1条，影响条数也为1条。

但如果调用 update_many 方法，则会更新所有符合条件的数据，实例代码如下：

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

运行结果如下：

可以看到，这时匹配条数就不再为1条了，所有匹配到的数据都会被更新。

11.删除

这里存在两个新的官方推荐方法——delete_one 和 delete_many。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。实例代码如下：

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