关于python:Python操作MongoDB看这一篇就够了

前言

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，其内容存储模式相似 JSON 对象，它的字段值能够蕴含其余文档、数组及文档数组，非常灵活。在这一节中，咱们就来看看 Python 3 下 MongoDB 的存储操作。

1. 筹备工作

在开始之前，请确保曾经装置好了 MongoDB 并启动了其服务，并且装置好了 Python 的 PyMongo 库。

2. 连贯 MongoDB

连贯 MongoDB 时，咱们须要应用 PyMongo 库外面的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)

这样就能够创立 MongoDB 的连贯对象了。

另外，MongoClient的第一个参数 host 还能够间接传入 MongoDB 的连贯字符串，它以 mongodb 结尾，例如：

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

这也能够达到同样的连贯成果。

3. 指定数据库

MongoDB 中能够建设多个数据库，接下来咱们须要指定操作哪个数据库。这里咱们以 test 数据库为例来阐明，下一步须要在程序中指定要应用的数据库：

db = client.test

这里调用 client 的test属性即可返回 test 数据库。当然，咱们也能够这样指定：

db = client['test']

这两种形式是等价的。

4. 指定汇合

MongoDB 的每个数据库又蕴含许多汇合（collection），它们相似于关系型数据库中的表。

下一步须要指定要操作的汇合，这里指定一个汇合名称为 students。与指定数据库相似，指定汇合也有两种形式：

collection = db.students

collection = db['students']

这样咱们便申明了一个 Collection 对象。

5. 插入数据

接下来，便能够插入数据了。对于 students 这个汇合，新建一条学生数据，这条数据以字典模式示意：

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，间接调用 collection 的insert()办法即可插入数据，代码如下：

result = collection.insert(student)
print(result)

在 MongoDB 中，每条数据其实都有一个 _id 属性来惟一标识。如果没有显式指明该属性，MongoDB 会主动产生一个 ObjectId 类型的 _id 属性。insert()办法会在执行后返回 _id 值。

运行后果如下：

5932a68615c2606814c91f3d

当然，咱们也能够同时插入多条数据，只须要以列表模式传递即可，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)

返回后果是对应的 _id 的汇合：

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

实际上，在 PyMongo 3.x 版本中，官网曾经不举荐应用 insert() 办法了。当然，持续应用也没有什么问题。官网举荐应用 insert_one() 和insert_many()办法来别离插入单条记录和多条记录，示例如下：

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

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

运行后果如下：

<pymongo.results.InsertOneResult object at 0x10d68b558>
5932ab0f15c2606f0c1cf6c5

与 insert() 办法不同，这次返回的是 InsertOneResult 对象，咱们能够调用其 inserted_id 属性获取_id。

对于 insert_many() 办法，咱们能够将数据以列表模式传递，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)

运行后果如下：

<pymongo.results.InsertManyResult object at 0x101dea558>
[ObjectId('5932abf415c2607083d3b2ac'), ObjectId('5932abf415c2607083d3b2ad')]

该办法返回的类型是 InsertManyResult，调用inserted_ids 属性能够获取插入数据的 _id 列表。

6. 查问

插入数据后，咱们能够利用 find_one() 或find()办法进行查问，其中 find_one() 查问失去的是单个后果，find()则返回一个生成器对象。示例如下：

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

这里咱们查问 name 为Mike的数据，它的返回后果是字典类型，运行后果如下：

<class 'dict'>
{'_id': ObjectId('5932a80115c2606a59e8a049'), 'id': '20170202', 'name': 'Mike', 'age': 21, 'gender': 'male'}

能够发现，它多了 _id 属性，这就是 MongoDB 在插入过程中主动增加的。

此外，咱们也能够依据 ObjectId 来查问，此时须要应用 bson 库外面的objectid：

from bson.objectid import ObjectId

result = collection.find_one({'_id': ObjectId('593278c115c2602667ec6bae')})
print(result)

其查问后果仍然是字典类型，具体如下：

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

当然，如果查问后果不存在，则会返回None。

对于多条数据的查问，咱们能够应用 find() 办法。例如，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)

运行后果如下：

<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'}

返回后果是 Cursor 类型，它相当于一个生成器，咱们须要遍历取到所有的后果，其中每个后果都是字典类型。

如果要查问年龄大于 20 的数据，则写法如下：

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

这里查问的条件键值曾经不是单纯的数字了，而是一个字典，其键名为比拟符号$gt，意思是大于，键值为 20。

这里将比拟符号演绎为下表。

另外，还能够进行正则匹配查问。例如，查问名字以 M 结尾的学生数据，示例如下：

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

这里应用 $regex 来指定正则匹配，^M.*代表以 M 结尾的正则表达式。

这里将一些性能符号再归类为下表。

7. 计数

要统计查问后果有多少条数据，能够调用 count() 办法。比方，统计所有数据条数：

count = collection.find().count()
print(count)

或者统计合乎某个条件的数据：

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

运行后果是一个数值，即符合条件的数据条数。

8. 排序

排序时，间接调用 sort() 办法，并在其中传入排序的字段及升降序标记即可。示例如下：

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

运行后果如下：

['Harden', 'Jordan', 'Kevin', 'Mark', 'Mike']

这里咱们调用 pymongo.ASCENDING 指定升序。如果要降序排列，能够传入pymongo.DESCENDING。

9. 偏移

在某些状况下，咱们可能想只取某几个元素，这时能够利用 skip() 办法偏移几个地位，比方偏移 2，就疏忽前两个元素，失去第三个及当前的元素：

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

运行后果如下：

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

另外，还能够用 limit() 办法指定要取的后果个数，示例如下：

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

运行后果如下：

['Kevin', 'Mark']

如果不应用 limit() 办法，原本会返回三个后果，加了限度后，会截取两个后果返回。

值得注意的是，在数据库数量十分宏大的时候，如千万、亿级别，最好不要应用大的偏移量来查问数据，因为这样很可能导致内存溢出。此时能够应用相似如下操作来查问：

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

这时须要记录好上次查问的_id。

10. 更新

对于数据更新，咱们能够应用 update() 办法，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'] = 25
result = collection.update(condition, student)
print(result)

这里咱们要更新 name 为Kevin的数据的年龄：首先指定查问条件，而后将数据查问进去，批改年龄后调用 update() 办法将原条件和批改后的数据传入。

运行后果如下：

{'ok': 1, 'nModified': 1, 'n': 1, 'updatedExisting': True}

返回后果是字典模式，ok代表执行胜利，nModified代表影响的数据条数。

另外，咱们也能够应用 $set 操作符对数据进行更新，代码如下：

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

这样能够只更新 student 字典内存在的字段。如果原先还有其余字段，则不会更新，也不会删除。而如果不必 $set 的话，则会把之前的数据全副用 student 字典替换；如果本来存在其余字段，则会被删除。

另外，update()办法其实也是官网不举荐应用的办法。这里也分为 update_one() 办法和 update_many() 办法，用法更加严格，它们的第二个参数须要应用 $ 类型操作符作为字典的键名，示例如下：

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() 办法，第二个参数不能再间接传入批改后的字典，而是须要应用 {'$set': student} 这样的模式，其返回后果是 UpdateResult 类型。而后别离调用 matched_count 和modified_count属性，能够取得匹配的数据条数和影响的数据条数。

运行后果如下：

<pymongo.results.UpdateResult object at 0x10d17b678>
1 0

咱们再看一个例子：

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

这里指定查问条件为年龄大于 20，而后更新条件为{'$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。

运行后果如下：

<pymongo.results.UpdateResult object at 0x10b8874c8>
1 1

能够看到匹配条数为 1 条，影响条数也为 1 条。

如果调用 update_many() 办法，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)

这时匹配条数就不再为 1 条了，运行后果如下：

<pymongo.results.UpdateResult object at 0x10c6384c8>
3 3

能够看到，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，间接调用 remove() 办法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': 'Kevin'})
print(result)

运行后果如下：

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

另外，这里仍然存在两个新的举荐办法——delete_one()和delete_many()。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)

运行后果如下：

<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。它们的返回后果都是 DeleteResult 类型，能够调用 deleted_count 属性获取删除的数据条数。

12. 其余操作

另外，PyMongo 还提供了一些组合办法，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，其用法与上述办法基本一致。

另外，还能够对索引进行操作，相干办法有 create_index()、create_indexes() 和drop_index()等。

本节解说了应用 PyMongo 操作 MongoDB 进行数据增删改查的办法。