Python3中使用PyMongo的方法详解
前言 本文主要给大家介绍的是关于在Python3使用PyMongo的方法,分享出来供大家参考学习,下面话不多说了,来一起看看详细介绍: MongoDB存储 在这里我们来看一下Python3下MongoDB的存储操作,在本节开始之前请确保你已经安装好了MongoDB并启动了其服务,另外安装好了Python的PyMongo库。 没有安装的朋友们可以参考这篇文章 连接MongoDB 连接MongoDB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,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(host='localhost',port=27017) 这样我们就可以创建一个MongoDB的连接对象了。 另外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,例如: client = MongoClient('mongodb://localhost:27017/') 可以达到同样的连接效果。 指定数据库 MongoDB中还分为一个个数据库,我们接下来的一步就是指定要操作哪个数据库,在这里我以test数据库为例进行说明,所以下一步我们需要在程序中指定要使用的数据库。 db = client.test 调用client的test属性即可返回test数据库,当然也可以这样来指定: db = client['test'] 两种方式是等价的。 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,下一步我们需要指定要操作的集合,在这里我们指定一个集合名称为students,学生集合。还是和指定数据库类似,指定集合也有两种方式。 collection = db.students collection = db['students'] 插入数据 接下来我们便可以进行数据插入了,对于students这个Collection,我们新建一条学生数据,以字典的形式表示: student = { 'id': '20170101','name': 'Jordan','age': 20,'gender': 'male' } 在这里我们指定了学生的学号、姓名、年龄和性别,然后接下来直接调用collection的 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_id,MongoDB会自动产生一个ObjectId类型的_id属性。 运行结果: 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: student1 = { 'id': '20170101','gender': 'male' } student2 = { 'id': '20170202','name': 'Mike','age': 21,'gender': 'male' } result = collection.insert([student1,student2]) print(result) 返回的结果是对应的_id的集合,运行结果: [ObjectId('5932a80115c2606a59e8a048'),ObjectId('5932a80115c2606a59e8a049')] 实际上在PyMongo 3.X版本中, student = { 'id': '20170101','gender': 'male' } result = collection.insert_one(student) print(result) print(result.inserted_id) 运行结果: <pymongo.results.InsertOneResult object at 0x10d68b558> 5932ab0f15c2606f0c1cf6c5 返回结果和 对于 student1 = { 'id': '20170101','gender': 'male' } result = collection.insert_many([student1,student2]) print(result) print(result.inserted_ids)
<pymongo.results.InsertManyResult object at 0x101dea558> [ObjectId('5932abf415c2607083d3b2ac'),ObjectId('5932abf415c2607083d3b2ad')] 查询 插入数据后我们可以利用 result = collection.find_one({'name': 'Mike'}) print(type(result)) print(result) 在这里我们查询name为Mike的数据,它的返回结果是字典类型,运行结果: <class 'dict'> {'_id': ObjectId('5932a80115c2606a59e8a049'),'id': '20170202','gender': 'male'} 可以发现它多了一个_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 = collection.find_one({'_id': ObjectId('593278c115c2602667ec6bae')}) print(result) 其查询结果依然是字典类型,运行结果: {'_id': ObjectId('593278c115c2602667ec6bae'),'id': '20170101','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 results = collection.find({'age': 20}) print(results) for result in results: print(result) 运行结果: <pymongo.cursor.Cursor object at 0x1032d5128> {'_id': ObjectId('593278c115c2602667ec6bae'),'gender': 'male'} {'_id': ObjectId('593278c815c2602678bb2b8d'),'id': '20170102','name': 'Kevin','gender': 'male'} {'_id': ObjectId('593278d815c260269d7645a8'),'id': '20170103','name': 'Harden','gender': 'male'} 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。 如果要查询年龄大于20的数据,则写法如下: results = collection.find({'age': {'$gt': 20}}) 在这里查询的条件键值已经不是单纯的数字了,而是一个字典,其键名为比较符号$gt,意思是大于,键值为20,这样便可以查询出所有年龄大于20的数据。 在这里将比较符号归纳如下表:
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: results = collection.find({'name': {'$regex': '^M.*'}}) 在这里使用了$regex来指定正则匹配,^M.*代表以M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。 在这里将一些功能符号再归类如下:
这些操作的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 = collection.find().count() print(count) 或者统计符合某个条件的数据: count = collection.find({'age': 20}).count() 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 = collection.find().sort('name',pymongo.ASCENDING) print([result['name'] for result in results]) 运行结果: ['Harden','Jordan','Kevin','Mark','Mike'] 偏移 在某些情况下我们可能想只取某几个元素,在这里可以利用 results = collection.find().sort('name',pymongo.ASCENDING).skip(2) print([result['name'] for result in results]) 运行结果: ['Kevin','Mike'] 另外还可以用 results = collection.find().sort('name',pymongo.ASCENDING).skip(2).limit(2) print([result['name'] for result in results]) 运行结果: ['Kevin','Mark'] 如果不加 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,很可能会导致内存溢出,可以使用类似 更新 对于数据更新可以使用 condition = {'name': 'Kevin'} student = collection.find_one(condition) student['age'] = 25 result = collection.update(condition,student) print(result) 在这里我们将name为Kevin的数据的年龄进行更新,首先指定查询条件,然后将数据查询出来,修改年龄,之后调用update方法将原条件和修改后的数据传入,即可完成数据的更新。 运行结果: {'ok': 1,'nModified': 1,'n': 1,'updatedExisting': True} 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 condition = {'name': 'Kevin'} student = collection.find_one(condition) student['age'] = 26 result = collection.update_one(condition,{'$set': student}) print(result) print(result.matched_count,result.modified_count) 在这里调用了update_one方法,第二个参数不能再直接传入修改后的字典,而是需要使用 运行结果: <pymongo.results.UpdateResult object at 0x10d17b678> 1 0 我们再看一个例子: condition = {'age': {'$gt': 20}} result = collection.update_one(condition,{'$inc': {'age': 1}}) print(result) print(result.matched_count,result.modified_count) 在这里我们指定查询条件为年龄大于20,然后更新条件为 运行结果: <pymongo.results.UpdateResult object at 0x10b8874c8> 1 1 可以看到匹配条数为1条,影响条数也为1条。 如果调用 condition = {'age': {'$gt': 20}} result = collection.update_many(condition,result.modified_count) 这时候匹配条数就不再为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。 删除 删除操作比较简单,直接调用 result = collection.remove({'name': 'Kevin'}) print(result) 运行结果: {'ok': 1,'n': 1} 另外依然存在两个新的推荐方法, 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: <pymongo.results.DeleteResult object at 0x10e6ba4c8> 1 4
更多 另外PyMongo还提供了一些组合方法,如 另外还可以对索引进行操作,如 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、集合本身以及其他的一些操作,在这不再一一讲解,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能带来一定的帮助,如果有疑问大家可以留言交流,谢谢大家对编程小技巧的支持 (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |