04 爬虫数据存储之Mongodb
MongoDB
认识MongoDB
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。
MongoDB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安装教程:https://www.cnblogs.com/zhoulifeng/p/9429597.html
mongodb相关操作:
数据库操作:
1 > use blog 2 switched to db blog 3 > show dbs 4 admin 0.000GB 5 config 0.000GB 6 local 0.000GB 7 test 0.000GB 8 > db.article.insert({"title":"西游记"}) 9 WriteResult({ "nInserted" : 1 }) 10 > db.userinfo.insert({"name":"alex"}) 11 WriteResult({ "nInserted" : 1 }) 12 > show tables; 13 article 14 userinfo 15 > show dbs 16 admin 0.000GB 17 blog 0.000GB 18 config 0.000GB 19 local 0.000GB 20 test 0.000GB 21 > db.dropDatabase() 22 { "dropped" : "blog", "ok" : 1 }
集合操作:
1 > use blog 2 switched to db blog 3 > db.article.insert({"title":"python"}) 4 WriteResult({ "nInserted" : 1 }) 5 > db.article.insert({"title":"linux"}) 6 WriteResult({ "nInserted" : 1 }) 7 > show tables; 8 article 9 > db.article.drop() 10 true 11 > show tables; 12 >
文档操作:
1.添加文档
复制代码 #1、没有指定_id则默认ObjectId,_id不能重复，且在插入后不可变 #2、插入单条 user0={ "name":"egon", "age":10, 'hobbies':['music','read','dancing'], 'addr':{ 'country':'China', 'city':'BJ' } } db.test.insert(user0) db.test.find() #3、插入多条 user1={ "_id":1, "name":"alex", "age":10, 'hobbies':['music','read','dancing'], 'addr':{ 'country':'China', 'city':'weifang' } } user2={ "_id":2, "name":"wupeiqi", "age":20, 'hobbies':['music','read','run'], 'addr':{ 'country':'China', 'city':'hebei' } } user3={ "_id":3, "name":"yuanhao", "age":30, 'hobbies':['music','drink'], 'addr':{ 'country':'China', 'city':'heibei' } } user4={ "_id":4, "name":"jingliyang", "age":40, 'hobbies':['music','read','dancing','tea'], 'addr':{ 'country':'China', 'city':'BJ' } } user5={ "_id":5, "name":"jinxin", "age":50, 'hobbies':['music','read',], 'addr':{ 'country':'China', 'city':'henan' } } db.user.insertMany([user1,user2,user3,user4,user5]) db.user.find()
2.查询文档
###################### (1) 比较运算 ################################### # SQL：=,!=,>,<,>=,<= # MongoDB：{key:value}代表什么等于什么,"$ne","$gt","$lt","gte","lte",其中"$ne"能用于所有数据类型 #1、select * from db1.user where name = "alex"; db.user.find({'name':'alex'}) #2、select * from db1.user where name != "alex"; db.user.find({'name':{"$ne":'alex'}}) #3、select * from db1.user where id > 2; db.user.find({'_id':{'$gt':2}}) #4、select * from db1.user where id < 3; db.user.find({'_id':{'$lt':3}}) #5、select * from db1.user where id >= 2; db.user.find({"_id":{"$gte":2,}}) #6、select * from db1.user where id <= 2; db.user.find({"_id":{"$lte":2}}) ###################### (2) 逻辑运算 ################################### # SQL：and，or，not # MongoDB：字典中逗号分隔的多个条件是and关系，"$or"的条件放到[]内,"$not" #1、select * from db1.user where id >= 2 and id < 4; db.user.find({'_id':{"$gte":2,"$lt":4}}) #2、select * from db1.user where id >= 2 and age < 40; db.user.find({"_id":{"$gte":2},"age":{"$lt":40}}) #3、select * from db1.user where id >= 5 or name = "alex"; db.user.find({ "$or":[ {'_id':{"$gte":5}}, {"name":"alex"} ] }) #4、select * from db1.user where id % 2=1; db.user.find({'_id':{"$mod":[2,1]}}) #5、上题，取反 db.user.find({'_id':{"$not":{"$mod":[2,1]}}}) ###################### (3) 成员运算 ################################### # SQL：in，not in # MongoDB："$in","$nin" #1、select * from db1.user where age in (20,30,31); db.user.find({"age":{"$in":[20,30,31]}}) #2、select * from db1.user where name not in ('alex','yuanhao'); db.user.find({"name":{"$nin":['alex','yuanhao']}}) ###################### (4) 正则匹配 ################################### # SQL: regexp 正则 # MongoDB: /正则表达/i #1、select * from db1.user where name regexp '^j.*?(g|n)$'; db.user.find({'name':/^j.*?(g|n)$/i}) ###################### (5) 取指定字段 ################################### #1、select name,age from db1.user where id=3; db.user.find({'_id':3},{''name':1,'age':1}) #2 db.user.find({'_id':3},{"addr":0}) { "_id" : 3, "name" : "yuanhao", "age" : 30, "hobbies" : [ "music", "drink" ] } ###################### (6) 查询数组 ################################### #1、查看有dancing爱好的人 db.user.find({'hobbies':'dancing'}) #2、查看既有dancing爱好又有tea爱好的人 db.user.find({ 'hobbies':{ "$all":['dancing','tea'] } }) #3、查看第4个爱好为tea的人 db.user.find({"hobbies.3":'tea'}) #4、查看所有人最后两个爱好 db.user.find({},{'hobbies':{"$slice":-2},"age":0,"_id":0,"name":0,"addr":0}) #5、查看所有人的第2个到第3个爱好 db.user.find({},{'hobbies':{"$slice":[1,2]},"age":0,"_id":0,"name":0,"addr":0}) ###################### (7) 排序 ################################### # 排序:--1代表升序，-1代表降序 db.user.find().sort({"name":1,}) db.user.find().sort({"age":-1,'_id':1}) ###################### (8) 分页 ################################### # 分页:--limit代表取多少个document，skip代表跳过前多少个document。 db.user.find().sort({'age':1}).limit(1).skip(2) ###################### (9) 查询数量 ################################### # 获取数量 db.user.count({'age':{"$gt":30}}) --或者 db.user.find({'age':{"$gt":30}}).count() ###################### (10) 其它 ################################### #1、{'key':null} 匹配key的值为null或者没有这个key db.t2.insert({'a':10,'b':111}) db.t2.insert({'a':20}) db.t2.insert({'b':null}) > db.t2.find({"b":null}) { "_id" : ObjectId("5a5cc2a7c1b4645aad959e5a"), "a" : 20 } { "_id" : ObjectId("5a5cc2a8c1b4645aad959e5b"), "b" : null } #2、查找所有 db.user.find() #等同于db.user.find({}) db.user.find().pretty() #3、查找一个，与find用法一致，只是只取匹配成功的第一个 db.user.findOne({"_id":{"$gt":3}})
3.修改文档
复制代码 ############################## 1 update的语法 ############################## update() 方法用于更新已存在的文档。语法格式如下： db.collection.update( <query>, <update>, { upsert: <boolean>, multi: <boolean>, writeConcern: <document> } ) 参数说明：对比update db1.t1 set name='EGON',sex='Male' where name='egon' and age=18; query : 相当于where条件。 update : update的对象和一些更新的操作符（如$,$inc...等，相当于set后面的 upsert : 可选，默认为false，代表如果不存在update的记录不更新也不插入，设置为true代表插入。 multi : 可选，默认为false，代表只更新找到的第一条记录，设为true,代表更新找到的全部记录。 writeConcern :可选，抛出异常的级别。 更新操作是不可分割的：若两个更新同时发送，先到达服务器的先执行，然后执行另外一个，不会破坏文档。 ############################## 2 覆盖更新 ############################## #注意：除非是删除，否则_id是始终不会变的 #1 : db.user.update({'age':20},{"name":"Wxx","hobbies_count":3}) 是用{"_id":2,"name":"Wxx","hobbies_count":3}覆盖原来的记录 #2、一种最简单的更新就是用一个新的文档完全替换匹配的文档。这适用于大规模式迁移的情况。例如 var obj=db.user.findOne({"_id":2}) obj.username=obj.name+'SB' obj.hobbies_count++ delete obj.age db.user.update({"_id":2},obj) ############################## 3 局部更新 ############################## #设置：$set 通常文档只会有一部分需要更新。可以使用原子性的更新修改器，指定对文档中的某些字段进行更新。 更新修改器是种特殊的键，用来指定复杂的更新操作，比如修改、增加后者删除 #1、update db1.user set name="WXX" where id = 2 db.user.update({'_id':2},{"$set":{"name":"WXX",}}) #2、没有匹配成功则新增一条{"upsert":true} db.user.update({'_id':6},{"$set":{"name":"egon","age":18}},{"upsert":true}) #3、默认只改匹配成功的第一条,{"multi":改多条} db.user.update({'_id':{"$gt":4}},{"$set":{"age":28}}) db.user.update({'_id':{"$gt":4}},{"$set":{"age":38}},{"multi":true}) #4、修改内嵌文档，把名字为alex的人所在的地址国家改成Japan db.user.update({'name':"alex"},{"$set":{"addr.country":"Japan"}}) #5、把名字为alex的人的地2个爱好改成piao db.user.update({'name':"alex"},{"$set":{"hobbies.1":"piao"}}) #6、删除alex的爱好,$unset db.user.update({'name':"alex"},{"$unset":{"hobbies":""}}) ############################## 4 自增或自减 ############################## #增加和减少：$inc #1、所有人年龄增加一岁 db.user.update({}, { "$inc":{"age":1} }, { "multi":true } ) #2、所有人年龄减少5岁 db.user.update({}, { "$inc":{"age":-5} }, { "multi":true } ) ############################## 5 添加删除数组内元素 ############################## #添加删除数组内元素：$push,$pop,$pull 往数组内添加元素:$push #1、为名字为yuanhao的人添加一个爱好read db.user.update({"name":"yuanhao"},{"$push":{"hobbies":"read"}}) #2、为名字为yuanhao的人一次添加多个爱好tea，dancing db.user.update({"name":"yuanhao"},{"$push":{ "hobbies":{"$each":["tea","dancing"]} }}) 按照位置且只能从开头或结尾删除元素：$pop #3、{"$pop":{"key":1}} 从数组末尾删除一个元素 db.user.update({"name":"yuanhao"},{"$pop":{ "hobbies":1} }) #4、{"$pop":{"key":-1}} 从头部删除 db.user.update({"name":"yuanhao"},{"$pop":{ "hobbies":-1} }) #5、按照条件删除元素,："$pull" 把符合条件的统统删掉，而$pop只能从两端删 db.user.update({'addr.country':"China"},{"$pull":{ "hobbies":"read"} }, { "multi":true } ) ############################## 6 避免重复添加 ############################## #避免添加重复："$addToSet" db.urls.insert({"_id":1,"urls":[]}) db.urls.update({"_id":1},{"$addToSet":{"urls":'http://www.baidu.com'}}) db.urls.update({"_id":1},{"$addToSet":{"urls":'http://www.baidu.com'}}) db.urls.update({"_id":1},{"$addToSet":{"urls":'http://www.baidu.com'}}) db.urls.update({"_id":1},{ "$addToSet":{ "urls":{ "$each":[ 'http://www.baidu.com', 'http://www.baidu.com', 'http://www.xxxx.com' ] } } } ) ############################## 7 其它 ############################## #1、了解：限制大小"$slice"，只留最后n个 db.user.update({"_id":5},{ "$push":{"hobbies":{ "$each":["read",'music','dancing'], "$slice":-2 } } }) #2、了解：排序The $sort element value must be either 1 or -1" db.user.update({"_id":5},{ "$push":{"hobbies":{ "$each":["read",'music','dancing'], "$slice":-1, "$sort":-1 } } }) #注意：不能只将"$slice"或者"$sort"与"$push"配合使用，且必须使用"$eah"
4.删除文档
#1、删除多个中的第一个 db.user.deleteOne({ 'age': 8 }) #2、删除国家为China的全部 db.user.deleteMany( {'addr.country': 'China'} ) #3、删除全部 db.user.deleteMany({})
Pymong模块
import pymongo 1 连接mongo数据库 client = pymongo.MongoClient(host='localhost', port=27017) 2 获取数据库以及集合 db=client.spider collection = db.students ############################### 添加文档 ############################ 3 添加一个文档 student = { 'id': '20100101', 'name': 'alex', 'age': 38, 'gender': 'male' } 方式1: result = collection.insert_one(student) 方式2: collection.save(student) print(collection.find()) for el in collection.find(): print(el) 3 添加多个文档 student1 = { 'id': '20170104', 'name': 'Amy', 'age': 20, 'gender': 'male' } student2 = { 'id': '20170202', 'name': 'Mike', 'age': 21, 'gender': 'male' } ret = collection.insert_many([student1,student2]) for el in collection.find(): print(el) ############################### 查询文档 ############################ 1如果要查询年龄大于20的数据，则写法如下： ret = collection.find({"age":{"$gt":20}}) 2. 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 ret = collection.find({"age":{"$gt":20}}).count() print(ret) 3. 排序 可以调用sort方法，传入排序的字段及升降序标志即可，示例如下： ret = collection.find().sort("age",pymongo.ASCENDING) 4.偏移,可能想只取某几个元素，在这里可以利用skip()方法偏移几个位置，比如偏移2，就忽略前2个元素，得到第三个及以后的元素。 ret = collection.find().sort('name', pymongo.ASCENDING).skip(2) 5.另外还可以用limit()方法指定要取的结果个数，示例如下： ret = collection.find().sort('name', pymongo.ASCENDING).skip(2).limit(2) ############################### 更新文档 ############################ 覆盖更新 ret = collection.update({"name":"Mike"},{"xxx":'yyy'}) 局部更新 collection.update({"name":"Amy"},{"$set":{"age":100}}) collection.update_many({},{"$inc":{"age":20}}) ############################### 删除文档 ############################ result = collection.remove({'xxx': 'yyy'}) 两个新的推荐方法，delete_one()和delete_many()方法 result = collection.delete_one({'xxx': 'yyy'}) result = collection.delete_many({'age': {'$lt': 50}})
