社区编辑申请
注册/登录
Python操作MongoDB看这一篇就够了
开发 后端 其他数据库 MongoDB
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。

Python操作MongoDB看这一篇就够了

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***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. import pymongo  
  2. 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***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  
  2. 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. student = {  
  2.     'id''20170101' 
  3.     'name''Jordan' 
  4.     'age': 20,  
  5.     '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. result = collection.insert(student)  
  2. 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:

 

  1. 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. student1 = {  
  2.     'id''20170101' 
  3.     'name''Jordan' 
  4.     'age': 20,  
  5.     'gender''male'  
  6.  
  7.  
  8. student2 = {  
  9.     'id''20170202' 
  10.     'name''Mike' 
  11.     'age': 21,  
  12.     'gender''male'  
  13.  
  14.  
  15. result = collection.insert([student1, student2])  
  16. print(result) 

 

返回结果是对应的_id的集合:

 

  1. [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. student = {  
  2.     'id''20170101' 
  3.     'name''Jordan' 
  4.     'age': 20,  
  5.     'gender''male'  
  6.  
  7.  
  8. result = collection.insert_one(student)  
  9. print(result)  
  10. print(result.inserted_id) 

运行结果如下:

 

  1. <pymongo.results.InsertOneResult object at 0x10d68b558>  
  2. 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. student1 = {  
  2.     'id''20170101' 
  3.     'name''Jordan' 
  4.     'age': 20,  
  5.     'gender''male' 
  6.  
  7.  
  8. student2 = {  
  9.     'id''20170202' 
  10.     'name''Mike' 
  11.     'age': 21,  
  12.     'gender''male'  
  13.  
  14.  
  15. result = collection.insert_many([student1, student2])  
  16. print(result)  
  17. print(result.inserted_ids) 

 

运行结果如下:

 

  1. <pymongo.results.InsertManyResult object at 0x101dea558>  
  2. [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. result = collection.find_one({'name''Mike'})  
  2. print(type(result))  
  3. 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:

 

  1. <class 'dict' 
  2. {'_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. from bson.objectid import ObjectId   
  2. result = collection.find_one({'_id': ObjectId('593278c115c2602667ec6bae')})  
  3. print(result) 

 

其查询结果依然是字典类型,具体如下:

 

  1. {'_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. results = collection.find({'age': 20})  
  2. print(results)  
  3. for result in results:  
  4.     print(result) 

 

运行结果如下:

 

  1. <pymongo.cursor.Cursor object at 0x1032d5128>  
  2. {'_id': ObjectId('593278c115c2602667ec6bae'), 'id''20170101''name''Jordan''age': 20, 'gender''male' 
  3. {'_id': ObjectId('593278c815c2602678bb2b8d'), 'id''20170102''name''Kevin''age': 20, 'gender''male' 
  4. {'_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/。

7. 计数

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

 

或者统计符合某个条件的数据:

 

  1. count = collection.find({'age': 20}).count()  
  2. 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. results = collection.find().sort('name', pymongo.ASCENDING)  
  2. print([result['name'for result in results]) 

 

运行结果如下:

 

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

 

运行结果如下:

 

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

 

运行结果如下:

 

  1. ['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,***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. from bson.objectid import ObjectId  
  2. 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. condition = {'name''Kevin' 
  2. student = collection.find_one(condition)  
  3. student['age'] = 25  
  4. result = collection.update(condition, student)  
  5. 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:

 

  1. {'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. condition = {'name''Kevin' 
  2. student = collection.find_one(condition)  
  3. student['age'] = 26  
  4. result = collection.update_one(condition, {'$set': student})  
  5. print(result)  
  6. 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:

 

  1. <pymongo.results.UpdateResult object at 0x10d17b678>  
  2. 1 0 

 

我们再看一个例子:

 

  1. condition = {'age': {'$gt': 20}}  
  2. result = collection.update_one(condition, {'$inc': {'age': 1}})  
  3. print(result)  
  4. 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***条符合条件的数据年龄加1。

运行结果如下:

 

  1. <pymongo.results.UpdateResult object at 0x10b8874c8>  
  2. 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. condition = {'age': {'$gt': 20}}  
  2. result = collection.update_many(condition, {'$inc': {'age': 1}})  
  3. print(result) 
  4. 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:

 

  1. <pymongo.results.UpdateResult object at 0x10c6384c8>  
  2. 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. result = collection.remove({'name''Kevin'})  
  2. print(result) 

 

运行结果如下:

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

 

运行结果如下:

 

  1. <pymongo.results.DeleteResult object at 0x10e6ba4c8>  
  2.  

 

delete_one()即删除***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/。

 

本节讲解了使用PyMongo操作MongoDB进行数据增删改查的方法。 

责任编辑:庞桂玉 来源: Python爱好者社区
相关推荐

2022-04-11 11:38:44

Python代码游戏

2022-05-10 07:24:19

2022-04-19 08:29:12

Python机器学习

2022-05-11 15:08:52

驱动开发系统移植

2022-05-17 09:14:50

聚类算法python

2022-05-03 22:25:57

Python浏览器语言

2022-05-03 23:44:21

Python动态链接库Ctypes

2022-05-16 09:34:17

Python可视化图表

2022-03-18 21:27:36

Python无代码

2022-05-02 16:27:01

JavaScriptHTMLPython

2022-04-15 11:30:59

代码,Python保存视频

2022-04-12 08:43:21

Python内置模块

2022-05-07 07:26:05

PyScriptHTMLPython 代码

2022-05-17 15:51:32

数据中心运维能力基础设施

2022-05-10 16:04:40

编程语言PythonC语言

2022-05-11 12:12:32

ScapyPython网络包

2022-05-16 13:37:12

Sysrv僵尸网络微软

2022-04-28 07:26:17

PythonDocker容器

2022-05-16 10:36:08

GitHub开源项目

2022-05-11 14:05:11

区块链网络安全存储

同话题下的热门内容

Python 字符串总结,建议收藏!妙啊!这款 Python 数据可视化工具强的很!用 Python 绘制动态可视化图表,太酷了!Python这些操作,逆天且实用!这份Java日志格式规范,拿走不谢!后端思维篇:如何应用设计模式优化代码Mybatis-Plus官方发布分库分表神器,一个依赖轻松搞定!几种限流算法的Go语言实现

编辑推荐

使用Kotlin做开发一个月后的感想面试官问你什么是消息队列?把这篇甩给他!五大自动化测试的Python框架图文详解两种算法:深度优先遍历(DFS)和广度优先遍历(BFS)2018年最流行的十大编程语言,其中包括你用的语言吗?
我收藏的内容
点赞
收藏

51CTO技术栈公众号