MongoDB是一个基于分布式文件存储的数据库。由C++语言编写。旨在为WEB应用提供可扩展的高性能数据存储解决方案。是一个介于关系数据库和非关系数据库之间的产品,是非关系数据库当中功能最丰富,最像关系数据库的。它支持的数据结构非常松散,是类似json的bson格式,因此可以存储比较复杂的数据类型。Mongo最大的特点是它支持的查询语言非常强大,其语法有点类似于面向对象的查询语言,几乎可以实现类似关系数据库单表查询的绝大部分功能,而且还支持对数据建立索引。
MongoDB特点
它的特点是高性能、易部署、易使用,存储数据非常方便。主要功能特性有:
*面向集合存储,易存储对象类型的数据。
*模式自由。
*支持动态查询。
*支持完全索引,包含内部对象。
*支持查询。
*支持复制和故障恢复。
*使用高效的二进制数据存储,包括大型对象(如视频等)。
*自动处理碎片,以支持云计算层次的扩展性。
*支持RUBY,PYTHON,JAVA,C++,PHP,C#等多种语言。
*文件存储格式为BSON(一种JSON的扩展)。
*可通过网络访问。
Python操作MongoDB
在这里我们来看一下Python下操作MongoDB,在此之前假设你已经安装好了MongoDB并启动了其服务,另外安装好了Python的PyMongo库。在本文我们以瓦尔登湖的一小部分作为材料来操作,在当前路径下有一个名为walden.txt文件,文件内容如下:
#《瓦尔登湖》
WHEN I WROTE the following pages, or rather the bulk of them,
I lived alone,
in the woods,
a mile from any neighbor,
in a housewhich I had built myself,
on the shore of Walden Pond,
in Concord,
Massachusetts,
and earned my living by the labor of my hands only.
I
lived there two years and two months.
At present I am a sojourner in
civilized life again.
1. 连接MongoDB
连接MongoDB需要使用PyMongo库里面的MongoClient,一般来说传入MongoDB的IP及端口即可,第一个参数为地址host,第二个参数为端口port,端口如果不传默认是27017。
import pymongo
client = pymongo.MongoClient('localhost',27017) #创建一个MongoDB的连接对象
MongoClient的第一个参数host还可以直接传MongoDB的连接字符串,以mongodb开头,如:
client = MongoClient('mongodb://localhost:27017/')这跟
client = pymongo.MongoClient('localhost',27017)两种方式等价。
2. 指定数据库
在程序中指定要使用的数据库,在这里我以walden
数据库为例进行说明。
walden = client['walden'] #指定数据库 walden = client.walden 两种方式等价
调用client的
walden
属性即可返回
walden
数据库。
3. 指定集合
MongoDB的每个数据库又包含了许多集合Collection,也就类似与关系型数据库中的表,在这里我们指定一个集合名称为sheet_tab集合。和指定数据库类似,指定集合也有两种方式。
sheet_tab = walden['sheet_tab'] #sheet_tab = walden.sheet_tab 两种方式等价
4. 插入数据
接下来便可以进行数据插入了,读取walden.txt,将文件中的内容一行一行插入数据库中:
path = 'walden.txt'
with open(path,'r') as f:
lines = f.readlines()
for index,line in enumerate(lines):
data = {
'index':index,
'line' :line,
'words':len(line.split())
}
sheet_tab.insert_one(data)
在MongoDB中,每条数据都有一个_id属性来唯一标识,如果没有显式指明_id,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的_id值。
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:
result = sheet_tab.insert([data1,data2,data3])
返回的结果是对应的_id的集合。insert_one()返回结果和insert()方法不同,insert_one()返回的是InsertOneResult对象,我们可以调用其inserted_id属性获取_id。还有一种insert_many()方法,是插入多条数据,insert_many()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。
5. 查询
查询,插入数据后我们可以利用find_one()或find()方法进行查询,find_one()查询得到是单个结果,find()则返回多个结果。对于多条数据的查询,可以使用find()方法,返回结果是Cursor类型,相当于一个生成器,我们需要遍历取到所有的结果,每一个结果都是字典类型。下面条件查询的例子不是单纯的数字,而是一个字典,其键名为比较符号$lt,意思是小于,键值为5,这样便可以查询出所有单词数小于6个的行。
# $lt/$lte/$gt/$gte/$ne,依次等价于</<=/>/>=/!=。(l表示less g表示greater e表示equal n表示not )
for item in sheet_tab.find({'words':{'$lt':5}}):
print(item)
在这里我们查询单词数小于6个的行,运行结果:
可以发现多了一个_id属性,这就是MongoDB在插入的过程中自动添加的。我们也可以直接根据ObjectId来查询,这里需要使用bson库里面的ObjectId。
from bson.objectid import ObjectId
result = sheet_tab.find_one({'_id': ObjectId('5b51aa979560dd34a492d362')})
print(result)
比较符号归纳如下:
符号含义示例
$lt小于{'index': {'$lt': 10}}
$gt大于{'index': {'$gt': 10}}
$lte小于等于{'index': {'$lte': 10}}
$gte大于等于{'index': {'$gte': 10}}
$ne不等于{'index': {'$ne': 10}}
$in在范围内{'index': {'$in': [5, 10]}}
$nin不在范围内{'index': {'$nin': [10, 20]}}
正则匹配查询:
for item in sheet_tab.find({'line': {'$regex': '^I.*'}}): # 在这里使用了$regex来指定正则匹配,^I.*代表以I开头的正则表达式,这样就可以查询所有符合该正则的结果。
print (item)
运行结果:
正则匹配功能符号归类如下:
符号含义示例示例含义
$regex匹配正则{'line': {'$regex': '^M.*'}}line以M开头
$exists属性是否存在{'line': {'$exists': True}}line属性存在
$type类型判断{'index': {'$type': 'int'}}index的类型为int
$mod数字模操作{'index': {'$mod': [5, 0]}}index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
更详细用法在可以在MongoDB官方文档找到:https://docs.mongodb.com/manual/reference/operator/query/
计数
要统计查询结果有多少条数据,可以调用count()方法,如统计所有数据条数:
count = sheet_tab.find().count() # 要统计查询结果有多少条数据,可以调用count()方法,统计所有数据条数:
print(count)
统计符合某个条件的数据:
count = sheet_tab.find({'words': 1}).count() #统计符合某个条件的数据,这里统计单词数少于6的行数
print(count)
排序
可以调用sort方法,传入排序的字段及升降序标志即可,示例如下:
results = sheet_tab.find().sort('line',pymongo.ASCENDING)
print ([result['line'] for result in results])
偏移
可能想只取某几个元素,在这里可以利用skip()方法偏移几个位置,比如偏移2,就忽略前2个元素,得到第三个及以后的元素:
results = sheet_tab.find().sort('line',pymongo.ASCENDING).skip(2) # 偏移,可能想只取某几个元素,在这里可以利用skip()方法偏移几个位置,比如偏移2,就忽略前2个元素,得到第2个及以后的元素。
print ([result['line'] for result in results])
另外还可以用limit()方法指定要取的结果个数:
results = sheet_tab.find().sort('line',pymongo.ASCENDING).skip(2).limit(2) # 用limit()方法指定要取的结果个数
print ([result['line'] for result in results]) #加了限制之后,会截取2个结果返回。
运行结果:
如果不加limit()原本会返回多个结果,加了限制之后,会截取2个结果返回。
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,很可能会导致内存溢出,可以使用类似find({'_id': {'$gt': ObjectId('5b51aa9795267892d362')}}) 这样的方法来查询,记录好上次查询的_id。
更新
数据更新可以使用update()方法,指定更新的条件和更新后的数据即可:
results = sheet_tab.update({'index':4},{'$set':{'line': 'hello'} })
print(results)
for item in sheet_tab.find({'index':4}):
print(item)
运行结果:
返回结果是字典形式,ok即代表执行成功,nModified代表影响的数据条数。
另外官方推荐使用update_one()方法和update_many()方法,用法更加严格,第二个参数使用$类型操作符作为字典的键名,示例:
results = sheet_tab.update_one({'index':4},{'$set':{'line': 'hello mongodb '} })
print(results)
print(results.matched_count, results.modified_count)
for item in sheet_tab.find({'index':4}):
print(item)
在这里调用了update_one方法,使用{'$set': {'line':'hello mongodb'}}这样的形式,其返回结果是UpdateResult类型,然后调用matched_count和modified_count属性分别可以获得匹配的数据条数和影响的数据条数。
再看一个例子:
for item in sheet_tab.find({'words':{'$lt':20}}):
print(item) #先打一遍结果
results = sheet_tab.update_one({'index':{'$lt':20}},{'$inc': {'index': 1}}) # 指定查询条件为index小于20,然后更新条件为{'$inc': {'index': 1}},执行之后会讲第一条符合条件的数据index加1。
print(results)
print(results.matched_count, results.modified_count)
for item in sheet_tab.find({'words':{'$lt':20}}):
print(item) #更新后再打一遍结果
这里指定查询条件为index小于20,然后更新条件为{'$inc': {'index': 1}},执行之后会讲第一条符合条件的数据index加1。
运行结果:
可以看到匹配条数为1条,影响条数也为1条。
如果调用update_many()方法,则会将所有符合条件的数据都更新:
for item in sheet_tab.find({'index':{'$lt':10}}):
print(item) #先打一遍结果
#results = sheet_tab.update_one({'index':{'$lt':10}},{'$inc': {'index': 1}}) # 指定查询条件为index小于20,然后更新条件为{'$inc': {'index': 1}},执行之后会讲第一条符合条件的数据index加1。
results = sheet_tab.update_many({'index':{'$lt':10}},{'$inc': {'index': 1}}) #如果调用update_many()方法,则会将所有符合条件的数据都更新
print(results)
print(results.matched_count, results.modified_count)
for item in sheet_tab.find({'index':{'$lt':10}}):
print(item) #更新后再打一遍结果
运行结果:
这时候匹配条数就不再为1条了,可以看到这时所有匹配到的数据都会被更新。
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,符合条件的所有数据均会被删除,示例:
result = sheet_tab.remove()
print result
另外依然存在两个新的推荐方法,delete_one()和delete_many()方法。
delete_one()示例:
result = sheet_tab.delete_one({'words': {'$lt': 10}})#删除第一条单词数小于10个的数据
print(result)
print(result.deleted_count)
运行结果:
delete_many()示例:
result = sheet_tab.delete_many({'words': {'$lt': 10}}) #删除单词数小于10个的所有行
print(result.deleted_count)
运行结果:
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,返回结果是DeleteResult类型,可以调用deleted_count属性获取删除的数据条数。
更多
PyMongo还提供了一些组合方法,如find_one_and_delete()、find_one_and_replace()、find_one_and_update(),就是查找后删除、替换、更新操作,用法与上述方法基本一致。
另外还可以对索引进行操作,如create_index()、create_indexes()、drop_index()等。详细用法可以参见官方文档:
PyMongo
另外还有对数据库、集合本身以及其他的一些操作,可以参见官方文档:官方文档