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。
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,并且安装好了python的pymongo库。
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):
1
2
|
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:
1
|
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:
1
|
db = client.test
|
这里调用client的test属性即可返回test数据库。当然,我们也可以这样指定:
1
|
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:
1
|
collection = db.students
|
1
|
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:
1
2
3
4
5
6
|
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collection的insert()方法即可插入数据,代码如下:
1
2
|
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:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
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')]
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()和insert_many()方法来分别插入单条记录和多条记录,示例如下:
1
2
3
4
5
6
7
8
9
10
|
student = {
'id' : '20170101' ,
'name' : 'jordan' ,
'age' : 20 ,
'gender' : 'male'
}
result = collection.insert_one(student)
print (result)
print (result.inserted_id)
|
运行结果如下:
<pymongo.results.insertoneresult object at 0x10d68b558>
5932ab0f15c2606f0c1cf6c5
与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:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
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)
|
运行结果如下:
<pymongo.results.insertmanyresult object at 0x101dea558>
[objectid('5932abf415c2607083d3b2ac'), objectid('5932abf415c2607083d3b2ad')]
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()或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:
1
2
3
|
result = collection.find_one({ 'name' : 'mike' })
print ( type (result))
print (result)
|
这里我们查询name为mike的数据,它的返回结果是字典类型,运行结果如下:
<class 'dict'>
{'_id': objectid('5932a80115c2606a59e8a049'), 'id': '20170202', 'name': 'mike', 'age': 21, '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:
1
2
3
4
|
from bson.objectid import objectid
result = collection.find_one({ '_id' : objectid( '593278c115c2602667ec6bae' )})
print (result)
|
其查询结果依然是字典类型,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20的数据,示例如下:
1
2
3
4
|
results = collection.find({ 'age' : 20 })
print (results)
for result in results:
print (result)
|
运行结果如下:
<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:
1
|
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:
1
|
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:
https://docs.mongodb.com/manual/reference/operator/query/。
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:
1
2
|
count = collection.find().count()
print (count)
|
或者统计符合某个条件的数据:
1
2
|
count = collection.find({ 'age' : 20 }).count()
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:
1
2
|
results = collection.find().sort( 'name' , pymongo.ascending)
print ([result[ 'name' ] for result in results])
|
运行结果如下:
['harden', 'jordan', 'kevin', 'mark', 'mike']
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:
1
2
|
results = collection.find().sort( 'name' , pymongo.ascending).skip( 2 )
print ([result[ 'name' ] for result in results])
|
运行结果如下:
['kevin', 'mark', 'mike']
另外,还可以用limit()方法指定要取的结果个数,示例如下:
1
2
|
results = collection.find().sort( 'name' , pymongo.ascending).skip( 2 ).limit( 2 )
print ([result[ 'name' ] for result in results])
|
运行结果如下:
['kevin', 'mark']
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:
1
2
|
from bson.objectid import objectid
collection.find({ '_id' : { '$gt' : objectid( '593278c815c2602678bb2b8d' )}})
|
这时需要记录好上次查询的_id。
10. 更新对于数据更新,我们可以使用update()方法,指定更新的条件和更新后的数据即可。例如:
1
2
3
4
5
|
condition = { 'name' : 'kevin' }
student = collection.find_one(condition)
student[ 'age' ] = 25
result = collection.update(condition, student)
print (result)
|
这里我们要更新name为kevin的数据的年龄:首先指定查询条件,然后将数据查询出来,修改年龄后调用update()方法将原条件和修改后的数据传入。
运行结果如下:
{'ok': 1, 'nmodified': 1, 'n': 1, 'updatedexisting': true}
返回结果是字典形式,ok代表执行成功,nmodified代表影响的数据条数。
另外,我们也可以使用$set操作符对数据进行更新,代码如下:
1
|
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。
另外,update()方法其实也是官方不推荐使用的方法。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$类型操作符作为字典的键名,示例如下:
1
2
3
4
5
6
|
condition = { 'name' : 'kevin' }
student = collection.find_one(condition)
student[ 'age' ] = 26
result = collection.update_one(condition, { '$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{'$set': student}这样的形式,其返回结果是updateresult类型。然后分别调用matched_count和modified_count属性,可以获得匹配的数据条数和影响的数据条数。
运行结果如下:
<pymongo.results.updateresult object at 0x10d17b678>
1 0
我们再看一个例子:
1
2
3
4
|
condition = { 'age' : { '$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 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:
1
2
3
4
|
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 0x10c6384c8>
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:
1
2
|
result = collection.remove({ 'name' : 'kevin' })
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()和delete_many()。示例如下:
1
2
3
4
5
|
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()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()和drop_index()等。
关于pymongo的详细用法,可以参见官方文档:http://api.mongodb.com/python/current/api/pymongo/collection.html。
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:http://api.mongodb.com/python/current/api/pymongo/。
总结以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作具有一定的参考学习价值,谢谢大家对服务器之家的支持。
原文链接:https://www.cnblogs.com/sui776265233/p/10501909.html