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）：
|
1
2
|
import pymongoclient = 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：
|
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 |
|
1
|
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
2
3
4
5
6
|
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：
|
1
2
|
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：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
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：
|
1
2
3
4
5
6
7
8
9
10
|
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：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
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：
|
1
2
3
|
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：
|
1
2
3
4
|
from bson.objectid import objectidresult = 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：
|
1
2
3
4
|
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：
|
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/。
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
2
|
count = collection.find().count()print(count) |
或者统计符合某个条件的数据：
|
1
2
|
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：
|
1
2
|
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：
|
1
2
|
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：
|
1
2
|
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：
|
1
2
|
from bson.objectid import objectidcollection.find({'_id': {'$gt': objectid('593278c815c2602678bb2b8d')}}) |
这时需要记录好上次查询的_id。
10. 更新对于数据更新，我们可以使用update()方法，指定更新的条件和更新后的数据即可。例如：
|
1
2
3
4
5
|
condition = {'name': 'kevin'}student = collection.find_one(condition)student['age'] = 25result = collection.update(condition, student)print(result) |
这里我们要更新name为kevin的数据的年龄：首先指定查询条件，然后将数据查询出来，修改年龄后调用update()方法将原条件和修改后的数据传入。
运行结果如下：
{'ok': 1, 'nmodified': 1, 'n': 1, 'updatedexisting': true}
返回结果是字典形式，ok代表执行成功，nmodified代表影响的数据条数。
另外，我们也可以使用$set操作符对数据进行更新，代码如下：
|
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$类型操作符作为字典的键名，示例如下：
|
1
2
3
4
5
6
|
condition = {'name': 'kevin'}student = collection.find_one(condition)student['age'] = 26result = collection.update_one(condition, {'$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{'$set': student}这样的形式，其返回结果是updateresult类型。然后分别调用matched_count和modified_count属性，可以获得匹配的数据条数和影响的数据条数。
运行结果如下：
<pymongo.results.updateresult object at 0x10d17b678>
1 0
我们再看一个例子：
|
1
2
3
4
|
condition = {'age': {'$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：
|
1
2
3
4
|
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：
|
1
2
|
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：
|
1
2
3
4
5
|
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/。
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具有一定的参考学习价值，谢谢大家对服务器之家的支持。
原文链接：https://www.cnblogs.com/sui776265233/p/10501909.html
