mongodb - 可视化工具 / pymongo - 使用方法
一、mongodb可视化工具 - adminMongo
https://www.cnblogs.com/shiweida/p/7692468.html
https://github.com/mrvautin/adminMongo
Installation
- Navigate to folder & install adminMongo:
git clone https://github.com/mrvautin/adminMongo.git && cd adminMongo
- Install dependencies:
npm install
- Start application:
npm start
ornode app
- Visit http://127.0.0.1:1234 in your browser
安装npm
https://blog.csdn.net/gaomengwang/article/details/77540429
sudo apt-get install nodejs
sudo ln -s /usr/bin/nodejs /usr/bin/node
sudo apt-get install npm
二、mongodb可视化工具 - Robo 3T
https://robomongo.org/
下载
点击:
create
Connection
name:
ip:
端口:
Authentication
Database 认证数据库
账号:
密码:
Auth Mechanism : MONGDB-CR
Test 测试,就可以连接成功!!!
三、pymongo使用方法
引用:
https://www.cnblogs.com/nixingguo/p/7260604.html
官方文档:
http://api.mongodb.com/python/current/api/pymongo/
http://api.mongodb.com/python/current/api/pymongo/collection.html
https://docs.mongodb.com/manual/reference/operator/query/
#!/usr/bin/env python # -*- coding:utf-8 -*- """ MongoDB存储 在这里我们来看一下Python3下MongoDB的存储操作,在本节开始之前请确保你已经安装好了MongoDB并启动了其服务,另外安装好了Python 的PyMongo库。 连接MongoDB 连接MongoDB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,第一个参数为地址host, 第二个参数为端口port,端口如果不传默认是27017。 """ import pymongo client = pymongo.MongoClient(host='localhost', port=27017) """ 这样我们就可以创建一个MongoDB的连接对象了。另外MongoClient的第一个参数host还可以直接传MongoDB的连接字符串,以mongodb开头, 例如:client = MongoClient('mongodb://localhost:27017/')可以达到同样的连接效果。 """
创建连接对象时,用client = pymongo.MongoClient('mongodb://user:password@localhost:27017/')这样的方式,增加权限认证
# 指定数据库 # MongoDB中还分为一个个数据库,我们接下来的一步就是指定要操作哪个数据库,在这里我以test数据库为例进行说明,所以下一步我们 # 需要在程序中指定要使用的数据库。 db = client.test # 调用client的test属性即可返回test数据库,当然也可以这样来指定: # db = client['test'] # 两种方式是等价的。 # 指定集合 # MongoDB的每个数据库又包含了许多集合Collection,也就类似与关系型数据库中的表,下一步我们需要指定要操作的集合, # 在这里我们指定一个集合名称为students,学生集合。还是和指定数据库类似,指定集合也有两种方式。 collection = db.students # collection = db['students'] # 插入数据,接下来我们便可以进行数据插入了,对于students这个Collection,我们新建一条学生数据,以字典的形式表示: student = { 'id': '20170101', 'name': 'Jordan', 'age': 20, 'gender': 'male' } # 在这里我们指定了学生的学号、姓名、年龄和性别,然后接下来直接调用collection的insert()方法即可插入数据。 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_id,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的_id值。 # 运行结果: # 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) # 返回的结果是对应的_id的集合,运行结果: # [ObjectId('5932a80115c2606a59e8a048'), ObjectId('5932a80115c2606a59e8a049')] # 实际上在PyMongo 3.X版本中,insert()方法官方已经不推荐使用了,当然继续使用也没有什么问题, # 官方推荐使用insert_one()和insert_many()方法将插入单条和多条记录分开。 student = { 'id': '20170101', 'name': 'Jordan', 'age': 20, 'gender': 'male' } result = collection.insert_one(student) print(result) print(result.inserted_id) # 运行结果: # <pymongo.results.InsertOneResult object at 0x10d68b558> # 5932ab0f15c2606f0c1cf6c5 # 返回结果和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_many([student1, student2]) print(result) print(result.inserted_ids) # insert_many()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,运行结果: # <pymongo.results.InsertManyResult object at 0x101dea558> # [ObjectId('5932abf415c2607083d3b2ac'), ObjectId('5932abf415c2607083d3b2ad')] # 查询,插入数据后我们可以利用find_one()或find()方法进行查询,find_one()查询得到是单个结果,find()则返回多个结果。 result = collection.find_one({'name': 'Mike'}) print(type(result)) print(result) # 在这里我们查询name为Mike的数据,它的返回结果是字典类型,运行结果: # <class'dict'> # {'_id': ObjectId('5932a80115c2606a59e8a049'), 'id': '20170202', 'name': 'Mike', 'age': 21, 'gender': 'male'} # 可以发现它多了一个_id属性,这就是MongoDB在插入的过程中自动添加的。 # 我们也可以直接根据ObjectId来查询,这里需要使用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,运行结果: # {' ObjectId('593278c115c2602667ec6bae'), 'id': '20170101', 'name': 'Jordan', 'age': 20, 'gender': 'male'} # 当然如果查询_id':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,例如在这里查找年龄为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: # <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,相当于一个生成器,我们需要遍历取到所有的结果,每一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': {'$gt': 20}}) # 在这里查询的条件键值已经不是单纯的数字了,而是一个字典,其键名为比较符号$gt,意思是大于,键值为20,这样便可以查询出所有 # 年龄大于20的数据。 # 在这里将比较符号归纳如下表: """ 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': {'$regex': '^M.*'}}) # 在这里使用了$regex来指定正则匹配,^M.*代表以M开头的正则表达式,这样就可以查询所有符合该正则的结果。 # 在这里将一些功能符号再归类如下: """ 符号含义示例示例含义 $regex匹配正则{'name': {'$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 """ # 这些操作的更详细用法在可以在MongoDB官方文档找到: # https://docs.mongodb.com/manual/reference/operator/query/ # 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: 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) # 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: results = collection.find().sort('name', pymongo.ASCENDING) print([result['name'] for result in results]) # 运行结果: # ['Harden', 'Jordan', 'Kevin', 'Mark', 'Mike'] # 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。 results = collection.find().sort('name', pymongo.ASCENDING).skip(2) print([result['name'] for result in results]) # 运行结果: # ['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: # ['Kevin', 'Mark'] # 如果不加limit()原本会返回三个结果,加了限制之后,会截取2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,很可能会导致内存溢出, # 可以使用类似find({'_id': {'$gt': ObjectId('593278c815c2602678bb2b8d')}}) 这样的方法来查询,记录好上次查询的_id。 # 更新 # 对于数据更新可以使用update()方法,指定更新的条件和更新后的数据即可,例如: condition = {'name': 'Kevin'} student = collection.find_one(condition) student['age'] = 25 result = collection.update(condition, student) print(result) # 在这里我们将name为Kevin的数据的年龄进行更新,首先指定查询条件,然后将数据查询出来,修改年龄, # 之后调用update方法将原条件和修改后的数据传入,即可完成数据的更新。 # 运行结果: # {'ok': 1, 'nModified': 1, 'n': 1, 'updatedExisting': True} # 返回结果是字典形式,ok即代表执行成功,nModified代表影响的数据条数。 # 另外update()方法其实也是官方不推荐使用的方法,在这里也分了update_one()方法和update_many()方法,用法更加严格, # 第二个参数需要使用$类型操作符作为字典的键名,我们用示例感受一下。 condition = {'name': 'Kevin'} student = collection.find_one(condition) student['age'] = 26 result = collection.update_one(condition, {'$set': student}) print(result) print(result.matched_count, result.modified_count) # 在这里调用了update_one方法,第二个参数不能再直接传入修改后的字典,而是需要使用{'$set': student}这样的形式, # 其返回结果是UpdateResult类型,然后调用matched_count和modified_count属性分别可以获得匹配的数据条数和影响的数据条数。 # 运行结果: # # <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) # 在这里我们指定查询条件为年龄大于20,然后更新条件为{'$inc': {'age': 1}},执行之后会讲第一条符合条件的数据年龄加1。 # 运行结果: # # <pymongo.results.UpdateResult object at 0x10b8874c8> # 1 1 # 可以看到匹配条数为1条,影响条数也为1条。 # 如果调用update_many()方法,则会将所有符合条件的数据都更新,示例如下: condition = {'age': {'$gt': 20}} result = collection.update_many(condition, {'$inc': {'age': 1}}) print(result) print(result.matched_count, result.modified_count) # 这时候匹配条数就不再为1条了,运行结果如下: # # <pymongo.results.UpdateResult object at 0x10c6384c8> # 3 3 # 可以看到这时所有匹配到的数据都会被更新。 # 删除 # 删除操作比较简单,直接调用remove()方法指定删除的条件即可,符合条件的所有数据均会被删除,示例如下: result = collection.remove({'name': 'Kevin'}) print(result) # 运行结果: # # {'ok': 1, 'n': 1} # 另外依然存在两个新的推荐方法,delete_one()和delete_many()方法,示例如下: result = collection.delete_one({'name': 'Kevin'}) print(result) print(result.deleted_count) result = collection.delete_many({'age': {'$lt': 25}}) print(result.deleted_count) # 运行结果: # <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,返回结果是DeleteResult类型, # 可以调用deleted_count属性获取删除的数据条数。 # 更多 # 另外PyMongo还提供了一些组合方法,如find_one_and_delete()、find_one_and_replace()、find_one_and_update(), # 就是查找后删除、替换、更新操作,用法与上述方法基本一致。 # 另外还可以对索引进行操作,如create_index()、create_indexes()、drop_index()等。 # 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、集合本身以及其他的一些操作,在这不再一一讲解,可以参见 # 官方文档:http://api.mongodb.com/python/current/api/pymongo/
四、python - mongodb基本操作 - 补充
http://www.cnblogs.com/liuwei0824/p/8329705.html
数据库 增 use db1 #有则切换,无则新增 查 show dbs #查看所有 db #当前 删 db.dropDatabase() 集合: 增: db.user db.user.info db.user.auth 查看 show collections show tables 删 db.user.info.drop() 文档: 增 db.user.insert({"_id":1,"name":"egon"}) user0={ "name":"egon", "age":10, 'hobbies':['music','read','dancing'], 'addr':{ 'country':'China', 'city':'BJ' } } db.user.insert(user0) db.user.insertMany([user1,user2,user3,user4,user5]) db.t1.insert({"_id":1,"a":1,"b":2,"c":3}) #有相同的_id则覆盖,无相同的_id则新增,必须指定_id db.t1.save({"_id":1,"z":6}) db.t1.save({"_id":2,"z":6}) db.t1.save({"z":6}) save与insert的区别: 若新增的数据中存在主键 ,insert() 会提示错误,而save() 则更改原来的内容为新内容。 如: 已存在数据: {_id : 1, " name " : " n1 " },再次进行插入操作时, insert({_id : 1, " name " : " n2 " }) 会报主键重复的错误提示 save({ _id : 1, " name " : " n2 " }) 会把 n1 修改为 n2 。 相同点: 若新增的数据中没有主键时,会增加一条记录。 已存在数据: { _id : 1, " name " : " n1 " },再次进行插入操作时, insert({ " name " : " n2 " }) 插入的数据因为没有主键,所以会增加一条数据 save({ " name " : " n2 " }) 增加一条数据。 查 比较运算:=,!=,>,<,>=,<= #1、select * from db1.user where id = 3 db.user.find({"_id":3}) #2、select * from db1.user where id != 3 db.user.find({"_id":{"$ne":3}}) #3、select * from db1.user where id > 3 db.user.find({"_id":{"$gt":3}}) #4、select * from db1.user where age < 3 db.user.find({"age":{"$lt":3}}) #5、select * from db1.user where id >= 3 db.user.find({"_id":{"$gte":3}}) #6、select * from db1.user where id <= 3 db.user.find({"_id":{"$lte":3}}) #逻辑运算:$and,$or,$not #1 select * from db1.user where id >=3 and id <=4; db.user.find({"_id":{"$gte":3,"$lte":4}}) #2 select * from db1.user where id >=3 and id <=4 and age >=40; db.user.find({ "_id":{"$gte":3,"$lte":4}, "age":{"$gte":40} }) db.user.find({"$and":[ {"_id":{"$gte":3,"$lte":4}}, {"age":{"$gte":40}} ]}) #3 select * from db1.user where id >=0 and id <=1 or id >=4 or name = "yuanhao"; db.user.find({"$or":[ {"_id":{"$lte":1,"$gte":0}}, {"_id":{"$gte":4}}, {"name":"yuanhao"} ]}) #4 select * from db1.user where id % 2 = 1; db.user.find({"_id":{"$mod":[2,1]}}) db.user.find({ "_id":{"$not":{"$mod":[2,1]}} }) #成员运算:$in,$nin db.user.find({"name":{"$in":["alex","egon"]}}) db.user.find({"name":{"$nin":["alex","egon"]}}) #正则匹配 select * from db1.user where name regexp "^jin.*?(g|n)$"; db.user.find({ "name":/^jin.*?(g|n)$/i }) #查看指定字段 select name,age from db1.user where name regexp "^jin.*?(g|n)$"; db.user.find({ "name":/^jin.*?(g|n)$/i }, { "_id":0, "name":1, "age":1 } ) #查询数组相关 db.user.find({ "hobbies":"dancing" }) db.user.find({ "hobbies":{"$all":["dancing","tea"]} }) db.user.find({ "hobbies.2":"dancing" }) db.user.find( {}, { "_id":0, "name":0, "age":0, "addr":0, "hobbies":{"$slice":[1,2]}, } ) db.user.find( {}, { "_id":0, "name":0, "age":0, "addr":0, "hobbies":{"$slice":2}, } ) db.user.find( { "addr.country":"China" } ) db.user.find().sort({"_id":1,"age":-1}) db.user.find().limit(2).skip(0) db.user.find().limit(2).skip(2) db.user.find().limit(2).skip(4) db.user.find().distinct() 改 一 语法: db.table.update( 条件, 修改字段, 其他参数 ) update db1.t1 set id=10 where name="egon"; db.table.update( {}, {"age":11}, { "multi":true, "upsert":true } ) 1、update db1.user set age=23,name="武大郎" where name="wupeiqi"; #覆盖式 db.user.update( {"name":"wupeiqi"}, {"age":23,"name":"武大郎"} ) #局部修改:$set db.user.update( {"name":"alex"}, {"$set":{"age":73,"name":"潘金莲-alex"}} ) #改多条 db.user.update( {"_id":{"$gte":1,"$lte":2}}, {"$set":{"age":53,}}, {"multi":true} ) #有则修改,无则添加 db.user.update( {"name":"EGON"}, {"$set":{"name":"EGON","age":28,}}, {"multi":true,"upsert":true} ) #修改嵌套文档 db.user.update( {"name":"潘金莲-alex"}, {"$set":{"addr.country":"Japan"}} ) #修改数组 db.user.update( {"name":"潘金莲-alex"}, {"$set":{"hobbies.1":"Piao"}} ) #删除字段 db.user.update( {"name":"潘金莲-alex"}, {"$unset":{"hobbies":""}} ) 2、$inc db.user.update( {}, {"$inc":{"age":1}}, {"multi":true} ) db.user.update( {}, {"$inc":{"age":-10}}, {"multi":true} ) 3、$push, $pop $pull db.user.update( {"name":"yuanhao"}, {"$push":{"hobbies":"tangtou"}}, {"multi":true} ) db.user.update( {"name":"yuanhao"}, {"$push":{"hobbies":{"$each":["纹身","抽烟"]}}}, {"multi":true} ) #从头删-1,从尾删1 db.user.update( {"name":"yuanhao"}, {"$pop":{"hobbies":-1}}, {"multi":true} ) db.user.update( {"name":"yuanhao"}, {"$pop":{"hobbies":1}}, {"multi":true} ) #按条件删 db.user.update( {"name":"yuanhao"}, {"$pull":{"hobbies":"纹身"}}, {"multi":true} ) #3、$addToSet db.t3.insert({"urls":[]}) db.t3.update( {}, {"$addToSet":{"urls":{"$each":[ "http://www.baidu.com", "http://www.baidu.com", "http://www.baidu.com", "http://www.baidu.com", "http://www.baidu.com" ]}}}, {"multi":true} ) 删 db.user.deleteOne({"_id":{"$gte":3}}) db.user.deleteMany({"_id":{"$gte":3}}) db.user.deleteMany({}) 聚合 一:$match 例: select post from db1.emp where age > 20 group by post having avg(salary) > 10000; #$match #1、select * from db1.emp where age > 20 db.emp.aggregate({"$match":{"age":{"$gt":20}}}) #$group #2、select post from db1.emp where age > 20 group by post; db.emp.aggregate( {"$match":{"age":{"$gt":20}}}, {"$group":{"_id":"$post"}} ) #3、select post,avg(salary) as avg_salary from db1.emp where age > 20 group by post; db.emp.aggregate( {"$match":{"age":{"$gt":20}}}, {"$group":{"_id":"$post","avg_salary":{"$avg":"$salary"}}} ) #select post from db1.emp where age > 20 group by post having avg(salary) > 10000; db.emp.aggregate( {"$match":{"age":{"$gt":20}}}, {"$group":{"_id":"$post","avg_salary":{"$avg":"$salary"}}}, {"$match":{"avg_salary":{"$gt":10000}}} ) 二: 投射 {"$project":{"要保留的字段名":1,"要去掉的字段名":0,"新增的字段名":"表达式"}} 例1: db.emp.aggregate( {"$project":{"_id":0,"name":1,"post":1,"annual_salary":{"$multiply":[12,"$salary"]}}}, {"$group":{"_id":"$post","平均年薪":{"$avg":"$annual_salary"}}}, {"$match":{"平均年薪":{"$gt":1000000}}}, {"$project":{"部门名":"$_id","平均年薪":1,"_id":0}} ) 例2: db.emp.aggregate( {"$project":{"_id":0,"name":1,"hire_period":{"$subtract":[new Date(),"$hire_date"]}}} ) db.emp.aggregate( {"$project":{"_id":0,"name":1,"hire_year":{"$year":"$hire_date"}}} ) db.emp.aggregate( {"$project":{"_id":0,"name":1,"hire_period":{"$subtract":[{"$year":new Date()},{"$year":"$hire_date"}]}}} ) 例3: db.emp.aggregate( {"$project":{"_id":0,"new_name":{"$toUpper":"$name"},}} ) db.emp.aggregate( {"$match":{"name":{"$ne":"egon"}}}, {"$project":{"_id":0,"new_name":{"$concat":["$name","_SB"]},}} ) db.emp.aggregate( {"$match":{"name":{"$ne":"egon"}}}, {"$project":{"_id":0,"new_name":{"$substr":["$name",0,3]},}} ) 三:{"$group":{"_id":分组字段,"新的字段名":聚合操作符}} #select post,max,min,sum,avg,count,group_concat from db1.emp group by post; db.emp.aggregate( {"$group":{ "_id":"$post", "max_age":{"$max":"$age"}, "min_id":{"$min":"$_id"}, "avg_salary":{"$avg":"$salary"}, "sum_salary":{"$sum":"$salary"}, "count":{"$sum":1}, "names":{"$push":"$name"} } } ) 四:排序:$sort、限制:$limit、跳过:$skip db.emp.aggregate( {"$match":{"name":{"$ne":"egon"}}}, {"$project":{"_id":1,"new_name":{"$substr":["$name",0,3]},"age":1}}, {"$sort":{"age":1,"_id":-1}}, {"$skip":5}, {"$limit":5} ) # 补充 db.emp.aggregate({"$sample":{"size":3}}) #随机选取3个文档
补充:
db.tb1.find() //查询全部,用it查看下一页。
db.tb1.find({"age":1}) //查询年龄==1的记录
db.tb1.find({},{"age":1}) //查询年龄==1的记录
db.tb1.find({"name":{$all:["a","b"]}}) //查询name含有a,b的记录
db.tb1.find({"name":{$exists:true}}) //查询存在name字段的记录。
db.tb1.find({"age":{$nin:[12,14]}}) //查询age不含12,14值的记录。
db.tb1.find({name) //查询name含a字母的记录
.......
总结如下:
查询格式如下:Db.collection.find({“field”: { operator: val}})
field为colleciton的字段名,operator为操作符,val为比较值。
operator有如下:
$gt,$gte,$lt,$lte: val v1.
$all :都有, val {v1,v2,v3...}
$exists:存在, val true/false;
$ne :不等于, val v1
$mod: 取模。 Val [v1取模数,v2余数]
$in :包含某值,val [v1,v2,v3...]
$nin :不包含某值,val [v1,v2,v3...]
$size: 指定长度数组, val v1
$regex: 正则查询,val v1 :通配符查询:/s/ ,但是s/,/是这样语法错误。
Javascript查询: 编写function,然后查询。
>Find(条件).count() / limit(v) /skip(v) /sort({“field”: 1/-1},{“field2”: 1/-1}...)
分页查询,通过limit,skip,sort组合进行分页查询。
如每页X条,第N页
> Find(条件).SKIP * X).Limit(X).SORT.
distinct: 查询指定键的不同值。db.runCommand({"distinct":”集合名","key":"字段名"})
group: 较复杂。
五、mongodb聚合利用日期分组
参考:https://blog.csdn.net/u013066244/article/details/53842355
$dayOfYear: 返回该日期是这一年的第几天。(全年366天) $dayOfMonth: 返回该日期是这一个月的第几天。(1到31) $dayOfWeek: 返回的是这个周的星期几。(1:星期日,7:星期六) $year: 返回该日期的年份部分 $month: 返回该日期的月份部分(between 1 and 12.) $week: 返回该日期是所在年的第几个星期(between 0 and 53) $hour: 返回该日期的小时部分 $minute: 返回该日期的分钟部分 $second: 返回该日期的秒部分(以0到59之间的数字形式返回日期的第二部分,但可以是60来计算闰秒。) $millisecond:返回该日期的毫秒部分(between 0 and 999.) $dateToString: { $dateToString: { format: <formatString>, date: <dateExpression> } }
%Y Year (4 digits, zero padded) 0000-9999 %m Month (2 digits, zero padded) 01-12 %d Day of Month (2 digits, zero padded) 01-31 %H Hour (2 digits, zero padded, 24-hour clock) 00-23 %M Minute (2 digits, zero padded) 00-59 %S Second (2 digits, zero padded) 00-60 %L Millisecond (3 digits, zero padded) 000-999 %j Day of year (3 digits, zero padded) 001-366 %w Day of week (1-Sunday, 7-Saturday) 1-7 %U Week of year (2 digits, zero padded) 00-53 %% Percent Character as a Literal %
假设有这么一个集合
{ "_id" : 1, "item" : "abc", "price" : 10, "quantity" : 2, "date" : ISODate("2014-01-01T08:15:39.736Z") }
我们在执行:
$project yearMonthDay format 都要加 “ ” 才行。
db.sales.aggregate( [ { $project: { yearMonthDay: { $dateToString: { format: "%Y-%m-%d", date: "$date" } }, time: { $dateToString: { format: "%H:%M:%S:%L", date: "$date" } } } } ] )
结果就是:
{ "_id" : 1, "yearMonthDay" : "2014-01-01", "time" : "08:15:39:736" }
$dateToString,这个需要mongodb3.0+支持。
再执行:
注意:year 和 $year 。。。 要加 “ ” 才能正常显示
db.sales.aggregate( [ { $project: { year: { $year: "$date" }, month: { $month: "$date" }, day: { $dayOfMonth: "$date" }, hour: { $hour: "$date" }, minutes: { $minute: "$date" }, seconds: { $second: "$date" }, milliseconds: { $millisecond: "$date" }, dayOfYear: { $dayOfYear: "$date" }, dayOfWeek: { $dayOfWeek: "$date" }, week: { $week: "$date" } } } ] )
得到的结果就是:
{ "_id" : 1, "year" : 2014, "month" : 1, "day" : 1, "hour" : 8, "minutes" : 15, "seconds" : 39, "milliseconds" : 736, "dayOfYear" : 1, "dayOfWeek" : 4, "week" : 0 }
六、pymongo处理正则表达式的情况
在python里使用pymongo处理mongodb数据库,在插入或者查询的时候,我们有时需要使用操作符号,如set,in,
具体操作符的可以参考 https://docs.mongodb.com/manual/reference/operator/query/
需求:需要用到正则表达式 来插入 或查询,如何操作?
1.首先要了解一下,mongodb里面的正则表达式怎么用
参考:https://docs.mongodb.com/manual/reference/operator/query/regex/
使用如下语法:
{ <field>: { $regex: /pattern/, $options: '<options>' } } { <field>: { $regex: 'pattern', $options: '<options>' } } { <field>: { $regex: /pattern/<options> } }
或者
{ <field>: /pattern/<options> }
当然option的含义是对正则表达式的一种选择,有
i 不区分大小写
m 包含锚的模式(即起始为 ^,结束为 $)
x 扩展
s 允许.点字符
详细的参考官网,这只是很简单的介绍
2.在pymongo里如何使用
mongodb默认使用的是bson数据,所以要在python里转换为该格式的数据
import bson
然后参照官网教程:http://api.mongodb.com/python/current/api/bson/regex.html
>>> pattern = re.compile('.*') >>> regex = Regex.from_native(pattern) >>> regex.flags ^= re.UNICODE >>> db.collection.insert({'pattern': regex})
这里注意一下,Regex是bson的类,可以导入
我的实例:
for collection in col_list: pattern = re.compile(time.strftime('%Y-%m-%d')) regex = bson.regex.Regex.from_native(pattern) regex.flags ^= re.UNICODE for item in db[collection].find({"insert_time":regex}): for j in item['value']: ...