关于android:Python连接MongoDB服务

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 pymongoclient = 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 ObjectIdresult = 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。

符号	含意	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}}`
`$in`	在范畴内	`{'age': {'$in': [20, 23]}}`
`$nin`	不在范畴内	`{'age': {'$nin': [20, 23]}}`

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。

符号	含意	示例	示例含意
`$regex`	匹配正则表达式	`{'name': {'$regex': '^M.*'}}`	`name`以M结尾
`$exists`	属性是否存在	`{'name': {'$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
`$text`	文本查问	`{'$text': {'$search': 'Mike'}}`	`text`类型的属性中蕴含`Mike`字符串
`$where`	高级条件查问	`{'$where': 'obj.fans_count == obj.follows_count'}`	本身粉丝数等于关注数

对于这些操作的更具体用法，能够在MongoDB官网文档找到：
https://docs.mongodb.com/manu...。

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 ObjectIdcollection.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'] = 25result = 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'] = 26result = 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>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。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。

对于PyMongo的具体用法，能够参见官网文档：http://api.mongodb.com/python...。

另外，还有对数据库和汇合自身等的一些操作，这里不再一一解说，能够参见官网文档：http://api.mongodb.com/python...。

本节解说了应用PyMongo操作MongoDB进行数据增删改查的办法。

本资源首发于崔庆才的集体博客静觅： Python3网络爬虫开发实战教程 | 静觅

如想理解更多爬虫资讯，请关注我的集体微信公众号：进击的Coder

weixin.qq.com/r/5zsjOyvEZ… (二维码自动识别)

本文转自 https://juejin.cn/post/6844903597465927694，如有侵权，请分割删除。