python中使用pymongo操作mongo

提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

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']

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：

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：

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：

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：

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：

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：

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 ：

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：

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：

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：

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：

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)

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：

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：

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：

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：

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：

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：

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：

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：

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：

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：

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：

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/。

正文

1. 准备工作

2. 连接MongoDB

3. 指定数据库

4. 指定集合

5. 插入数据

6. 查询

7. 计数

8. 排序

9. 偏移

10. 更新

11. 删除

12. 其他操作

相关阅读

微信的视频号怎样卖货，微信视频号怎样卖货挣钱

关于html5浮动模型制作的信息

微信视频号励志昵称，好听的微信视频号名字带好运

泰安网站制作，泰安网站制作推荐

关于柯莱特集团sap财务顾问的信息

ps4游戏竞技，ps4竞技游戏排行

删除表的列oracle，删除表的列sql命令是什么

路由器的信道怎么检查好坏，路由器信道

目录[+]