SQL-如何使用 MongoDB和PyMongo。
先决条件
在开始之前,请确保已经安装了 PyMongo 发行版。 在 Python shell 中,下面的代码应该在不引发异常的情况下运行:
>>> import pymongo
假设 MongoDB 实例在默认主机和端口上运行。 假设你已经下载并安装了 MongoDB,你可以这样启动它:
$ mongod
与 MongoClient 建立连接
使用 PyMongo 时的第一步是为运行的 mongod 实例创建一个 MongoClient。 这样做很简单:
>>> from pymongo import MongoClient >>> client = MongoClient()
上面的代码将在默认主机和端口上连接。 我们也可以明确地指定主机和端口,如下所示:
>>> client = MongoClient('localhost', 27017)
或者使用 MongoDB URI 格式:
>>> client = MongoClient('mongodb://localhost:27017/')
获取数据库
MongoDB的单个实例可以支持多个独立的 数据库。使用PyMongo时,您可以使用MongoClient
实例上的属性样式访问来访问数据库:
>>> db = client.test_database
如果您的数据库名称使用属性样式访问不起作用(例如test-database
),则可以使用字典样式访问:
>>> db = client['test-database']
获取集合
一个集合是一组存储在MongoDB中的文档,并且可以被认为是大致在关系数据库中的表的当量。在PyMongo中获取集合与获取数据库的工作方式相同:
>>> collection = db.test_collection
或(使用字典样式访问):
>>> collection = db['test-collection']
关于MongoDB中的集合(和数据库)的一个重要注意事项是它们是懒惰创建的 - 上述命令都没有在MongoDB服务器上实际执行过任何操作。将第一个文档插入其中时,将创建集合和数据库。
文件
使用JSON样式的文档表示(并存储)MongoDB中的数据。在PyMongo中,我们使用字典来表示文档。例如,以下字典可能用于表示博客帖子:
>>> import datetime >>> post = {"author": "Mike", ... "text": "My first blog post!", ... "tags": ["mongodb", "python", "pymongo"], ... "date": datetime.datetime.utcnow()}
请注意,文档可以包含本机Python类型(如datetime.datetime
实例),这些类型 将自动转换为适当的BSON类型。
插入文档
要将文档插入集合,我们可以使用以下 insert_one()
方法:
>>> posts = db.posts >>> post_id = posts.insert_one(post).inserted_id >>> post_id ObjectId('...')
插入文档时"_id"
,如果文档尚未包含"_id"
密钥,则会自动添加特殊键。"_id"
整个集合中的值必须是唯一的。insert_one()
返回一个实例InsertOneResult
。有关更多信息"_id"
,请参阅_id上的文档。
插入第一个文档后,实际上已在服务器上创建了posts集合。我们可以通过在数据库中列出所有集合来验证这一点:
>>> db.collection_names(include_system_collections=False) [u'posts']
用获取单个文档find_one()
可以在MongoDB中执行的最基本类型的查询是 find_one()
。此方法返回与查询匹配的单个文档(或者None
如果没有匹配项)。当您知道只有一个匹配的文档,或者只对第一个匹配感兴趣时,它很有用。这里我们用来 find_one()
从posts集合中获取第一个文档:
>>> import pprint >>> pprint.pprint(posts.find_one()) {u'_id': ObjectId('...'), u'author': u'Mike', u'date': datetime.datetime(...), u'tags': [u'mongodb', u'python', u'pymongo'], u'text': u'My first blog post!'}
结果是一个与前面插入的字典匹配的字典。
注意返回的文档包含一个"_id"
,在插入时自动添加。
find_one()
还支持查询生成的文档必须匹配的特定元素。要将我们的结果限制为作者“Mike”的文档,我们会:
>>> pprint.pprint(posts.find_one({"author": "Mike"})) {u'_id': ObjectId('...'), u'author': u'Mike', u'date': datetime.datetime(...), u'tags': [u'mongodb', u'python', u'pymongo'], u'text': u'My first blog post!'}
如果我们尝试使用其他作者,例如“艾略特”,我们将得不到任何结果:
>>> posts.find_one({"author": "Eliot"})
通过ObjectId查询
我们也可以通过它找到一个帖子_id
,在我们的例子中是一个ObjectId:
>>> post_id ObjectId(...) >>> pprint.pprint(posts.find_one({"_id": post_id})) {u'_id': ObjectId('...'), u'author': u'Mike', u'date': datetime.datetime(...), u'tags': [u'mongodb', u'python', u'pymongo'], u'text': u'My first blog post!'}
请注意,ObjectId与其字符串表示形式不同:
>>> post_id_as_str = str(post_id) >>> posts.find_one({"_id": post_id_as_str}) # No result
Web应用程序中的常见任务是从请求URL获取ObjectId并查找匹配的文档。在这种情况下,有必要在将ObjectId传递给之前将其从字符串转换为 find_one
:
from bson.objectid import ObjectId # The web framework gets post_id from the URL and passes it as a string def get(post_id): # Convert from string to ObjectId: document = client.db.collection.find_one({'_id': ObjectId(post_id)})
关于Unicode字符串的注释
您可能已经注意到,从服务器检索时,我们之前存储的常规Python字符串看起来有所不同(例如,u'Mike'而不是'Mike')。简短的解释是有序的。
MongoDB以BSON格式存储数据。BSON字符串是UTF-8编码的,因此PyMongo必须确保它存储的任何字符串仅包含有效的UTF-8数据。常规字符串(<type'str'>)经过验证并保持不变。Unicode字符串(<type'unicode'>)首先编码为UTF-8。我们的示例字符串在Python shell中表示为u'Mike'而不是'Mike'的原因是PyMongo将每个BSON字符串解码为Python unicode字符串,而不是常规str。
批量插入
为了使查询更有趣,让我们再插入一些文档。除了插入单个文档之外,我们还可以通过将列表作为第一个参数传递来执行批量插入操作insert_many()
。这将在列表中插入每个文档,只向服务器发送一个命令:
>>> new_posts = [{"author": "Mike", ... "text": "Another post!", ... "tags": ["bulk", "insert"], ... "date": datetime.datetime(2009, 11, 12, 11, 14)}, ... {"author": "Eliot", ... "title": "MongoDB is fun", ... "text": "and pretty easy too!", ... "date": datetime.datetime(2009, 11, 10, 10, 45)}] >>> result = posts.insert_many(new_posts) >>> result.inserted_ids [ObjectId('...'), ObjectId('...')]
关于这个例子,有几个有趣的事情需要注意:
insert_many()
现在的结果返回两个ObjectId
实例,每个插入一个文档。new_posts[1]
与其他帖子有不同的“形状” - 没有"tags"
字段,我们添加了一个新字段,"title"
。当我们说MongoDB没有架构时,这就是我们的意思 。
查询多个文档
要获取查询结果以外的多个文档,我们使用该 find()
方法。find()
返回一个 Cursor
实例,它允许我们迭代所有匹配的文档。例如,我们可以迭代posts
集合中的每个文档:
>>> for post in posts.find(): ... pprint.pprint(post) ... {u'_id': ObjectId('...'), u'author': u'Mike', u'date': datetime.datetime(...), u'tags': [u'mongodb', u'python', u'pymongo'], u'text': u'My first blog post!'} {u'_id': ObjectId('...'), u'author': u'Mike', u'date': datetime.datetime(...), u'tags': [u'bulk', u'insert'], u'text': u'Another post!'} {u'_id': ObjectId('...'), u'author': u'Eliot', u'date': datetime.datetime(...), u'text': u'and pretty easy too!', u'title': u'MongoDB is fun'}
就像我们一样find_one()
,我们可以传递一个文档find()
来限制返回的结果。在这里,我们只获得作者为“Mike”的文档:
>>> for post in posts.find({"author": "Mike"}): ... pprint.pprint(post) ... {u'_id': ObjectId('...'), u'author': u'Mike', u'date': datetime.datetime(...), u'tags': [u'mongodb', u'python', u'pymongo'], u'text': u'My first blog post!'} {u'_id': ObjectId('...'), u'author': u'Mike', u'date': datetime.datetime(...), u'tags': [u'bulk', u'insert'], u'text': u'Another post!'}
计数
如果我们只想知道有多少文档与查询匹配,我们可以执行count_documents()
操作而不是完整查询。我们可以计算集合中的所有文档:
>>> posts.count_documents({})
3
或者只是那些与特定查询匹配的文档:
>>> posts.count_documents({"author": "Mike"}) 2
范围查询
MongoDB支持许多不同类型的高级查询。例如,让我们执行查询,将结果限制为超过特定日期的帖子,同时按作者对结果进行排序:
>>> d = datetime.datetime(2009, 11, 12, 12) >>> for post in posts.find({"date": {"$lt": d}}).sort("author"): ... pprint.pprint(post) ... {u'_id': ObjectId('...'), u'author': u'Eliot', u'date': datetime.datetime(...), u'text': u'and pretty easy too!', u'title': u'MongoDB is fun'} {u'_id': ObjectId('...'), u'author': u'Mike', u'date': datetime.datetime(...), u'tags': [u'bulk', u'insert'], u'text': u'Another post!'}
这里我们使用特殊"$lt"
运算符来进行范围查询,并调用sort()
按作者对结果进行排序。
>>> result = db.profiles.create_index([('user_id', pymongo.ASCENDING)], ... unique=True) >>> sorted(list(db.profiles.index_information())) [u'_id_', u'user_id_1']
请注意,我们现在有两个索引:一个是_id
MongoDB自动创建的索引,另一个是user_id
我们刚创建的索引。
现在让我们设置一些用户配置文件:
>>> user_profiles = [ ... {'user_id': 211, 'name': 'Luke'}, ... {'user_id': 212, 'name': 'Ziltoid'}] >>> result = db.profiles.insert_many(user_profiles)
索引阻止我们插入user_id
已在集合中的文档:
>>> new_profile = {'user_id': 213, 'name': 'Drew'} >>> duplicate_profile = {'user_id': 212, 'name': 'Tommy'} >>> result = db.profiles.insert_one(new_profile) # This is fine. >>> result = db.profiles.insert_one(duplicate_profile) Traceback (most recent call last): DuplicateKeyError: E11000 duplicate key error index: test_database.profiles.$user_id_1 dup key: { : 212 }
![](https://www.cnblogs.com/images/cnblogs_com/Python-XiaCaiP/1389040/t_right_top.png)
![](https://www.cnblogs.com/images/cnblogs_com/Python-XiaCaiP/1389040/t_right_bottom.png)