2020-07-21----爬虫项目 -04--python操作

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）：

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：

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：

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：

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：

collection = db.students  
collection = db['students']

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：

s1 = {'sname':'lisi','sage':18}

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：

x1 = stus.insert_one(s1)
print(type(x1),x1)

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。
返回结果是对应的_id的集合以及警告:

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，对于insert_many()方法，我们可以将数据以列表形式传递示例如下：

# 单条数据
s1 = {'sname':'zhaoliu','sage':21}
x1 = stus.insert_one(s1)
print(type(x1),x1)

#多条数据
s2 = {'sname':'zhouba','sage':23}
s3 = {'sname':'sunqi','sage':25}
x2 = stus.insert_many([s2,s3])
print(type(x2),x2)
print(x2.inserted_id)

与insert()方法不同，这次返回的是InsertOneResult对象
对于insert_one方法可以调用其inserted_id属性获取_id，对于insert_many方法可以调用其inserted_ids属性获取_id，
运行结果如下：

<pymongo.results.InsertOneResult object at 0x10d68b558>  
5932ab0f15c2606f0c1cf6c5
<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。

还有一种就是选择性插入，也是有查询条件的插入，当查询条件查找到数据时，则不插入，否则，插入。
防止重复数据。

s = {'sname' : 'wangwu', 'sage' : 25}
stus.update({'sname':'wangwu'},{'$setOnInsert':s},upsert=True)

查询sname为wangwu的人，如果已存在，则不发生变化，若为存在，那么将s加入集合中。

6. 查询

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.查询单条数据

#查询单个数据
s1 = stus.find_one({'sage':20})
print(type(s1),s1)

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：

from bson.objectid import ObjectId
s1 = stus.find_one({'_id':ObjectId('5f16f8276ee3febddbc537af')})
print(type(s1),s1)

结果：

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。
当然，如果查询结果不存在，则会返回None。

2.多条数据

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：

sli = stus.find({'sage':20})
print(type(sli),sli)
for i in sli:
    print(type(i),i)

结果：

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。
3.范围查询
如果要查询年龄大于20的数据，则写法如下：

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。

4.正则匹配
另外，还可以进行正则匹配查询。例如，查询名字以l开头的学生数据，示例如下：

result = stus.find_one({'sname': {'$regex': '^l.*'}})
print(result)
result = stus.find_one({'sname': {'$regex': '^l.*','$options':'$i'}})
print(result)

这里使用options':'$i'---忽略大小写匹配。

这里将一些功能符号再归类为下表:

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/。

5.计数
要统计查询结果有多少条数据，可以调用count()方法。比如，统计所有数据条数或者统计符合某个条件的数据：：

count = stus.find().count()
print(count)
count = stus.find({'sage':20}).count()
print(count)

结果：

运行结果是一个数值，即符合条件的数据条数。

6.排序

排序时，直接调用sort()方法，并在其中传入排序的字段和升降序标志即可。示例如下：

sort = stus.find().sort('age',pymongo.ASCENDING)
f = [i['sname'] for i in sort]
print(f)

运行：

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。

7.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,limit()：控制查找的元素数量：

# 从第三个元素开始排序，并只找3个元素
move  = stus.find().sort('age',pymongo.ASCENDING).skip(2).limit(3)
f = [i['sname'] for i in move]
print(f)

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：

#查询id大于***的元素
re = stus.find({'_id':{'$gt':ObjectId('5f16f8276ee3febddbc537af')}})
f = [i['sname'] for i in re]
print(f)

这时需要记录好上次查询的_id。

8.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：

s = {'sage':66}
#修改整体的数据结构
x = stus.update({'sname':'lisi'},s)
print(x)

这里我们要更新name为lisi的数据的年龄：将数据查询出来，修改年龄后调用update()方法将查询条件和修改后的数据传入。
这样会破坏整体的数据结构，如果数据中有其他属性,那么就会删除，全部改为s数据项。

所以我们也可以使用$set操作符对数据进行更新，代码如下：

s = {'sage':60}
# 修改指定的属性项
x = stus.update({'sname':'lisi'},{'$set':s})
print(x)

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：

将年龄大于50的对象，年龄加上5，使用update_one只能更新第一条数据

s = {'sage':5}
x = stus.update_one({'sage':{'$gt':50}},{'$inc':s})
print(x)

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。

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：

s = {'sage':5}
x = stus.update_many({'sage':{'$gt':50}},{'$inc':s})
print(x)
print(x.matched_count, x.modified_count)

9.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：

删除sname为huangjiu的数据：

x = stus.remove({'sname':'huangjiu'})
print(x)

数据库中的huangjiu删除了。

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：

删除名为zhouba的数据：

x = stus.delete_one({'sname':'zhouba'})
print(x)

删除年龄大于50的数据：

x = stus.delete_many({'sage':{'$gt':50}})
print(x)

剩余数据：

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。

10.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/。