Python3爬虫（十） 数据存储之非关系型数据库MongoDB

Infi-chu:

http://www.cnblogs.com/Infi-chu/

一、非关系型数据库
NoSQL全程是Not Only SQL，非关系型数据库。
NoSQL是基于键值对的，不需要经过SQL层的解析，数据之间没有耦合性，性能非常高。
具体介绍请看（也包括Redis）

http://www.cnblogs.com/Infi-chu/p/8277576.html

二、MongoDB
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，内容存储形式类似于JSON。

1.连接MongoDB

import pymongo
client = pymongo.MongoClient(host='127.0.0.1',port=27017)    # 默认端口27017
# 另一种写法
client = pymongo.MongoClient('mongodb://127.0.0.1:27017')

2.指定数据库
MongoDB中可以建立很多数据库
目前使用test数据库

import pymongo
client = pymongo.MongoClient(host='127.0.0.1',port=27017)
db = client.test
# 另一种写法
db = client['test']

3.指定集合
MongoDB中每个数据库包含多个集合（collection），他们类似于关系型数据库中的表
目前指定students集合

import pymongo
client = pymongo.MongoClient(host='127.0.0.1',port=27017)
db = client.test
collection = db.students
# 另一种写法
collection = db['students']

4.插入数据

student = {
'id':'1',
'name':'Infi-chu',
'age':'23',
'sex':'male'
}
result = collection.insert(student)
print(result)

【注】
MongoDB中，每一条数据都有一个_id属性来唯一标识
在PyMongo 3.x中官方不推荐使用insert()方法插入数据，
而推荐使用insert_one()和insert_many()方法插入单条或多条数据

student1 = {
'id':'1',
'name':'Infi-chu',
'age':'23',
'sex':'male'
}
student2 = {
'id':'2',
'name':'chu',
'age':'23',
'sex':'male'
}
result1 = collection.insert_one(student1)
result2 = collection.insert_many([student1,student2])
print(result1)
print(result2)
print(result2.inserted_ids)

5.查询数据
使用find_one()和find()方法，前者返回单条结果，后者返回一个生成器对象。
也可以根据ObjectId来查询，此时需要bson库中的objectid

from bson.objectid import ObjectId
result = collection.find_one({'_id':ObjectId('这个集合的id值')})
print(result)    # 如果结果不存在则返回None
# 查询年龄大于20的数据
results = collection.find('age':{'$gt':20})
print(results)
for result in results:
    print(result)

# 通过正则表达式，查看名字以I开头的数据
results = collection.find({'name':{'$regex':'^I.*'}})

MongoDB中的比较符号
符号       含义                                　 例子
$lt          小于 　　　　　　　　　　 {'age':{'$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':[20,25]}}
$nin      不在范围内 　　　　　　　  {'age':{'$nin':[20,25]}}

MongoDB中的功能符号
符号 　　     含义 　　　　 　　　　 例子　　　　　　　　　　　　　　　　　　　　　　 解释
$regex 　　 匹配正则表达式 　　 {'name':{'$regex':'^I.*'}} 　　　　　　　　　　　　　　 name以I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的类型是int
$mod 　　   数字模操作                {'age':{'$mod':[5,0]}} 　　　　　　　　　　　　           年龄模5余0
$text 　　    文本查询                    {'text':{'$search':'Infi-chu'}} 　　　　　　　　　　　　 test类型的属性中包含Infi-chu的字符串
$where        高级条件查询             {'where':'obj.fans_count == obj.follows_count'}             自己的粉丝数等于关注数
$set            设置
$inc 　　    增长

6.计数
统计查询结果有多少条数据

count = collection.find().count()
print(count)

7.排序
排序时，直接调用sort()方法，并写明升序或降序

results_up = collection.find().sort('name',pymongo.ASCENDING)
result_down = collection.find().sort('name',pymongo.DESCENDING)

8.偏移
只想去其中某几个元素，可以使用skip()方法偏移几个位置，偏移2，就是忽略前两个元素，从第三个开始

results = collection.find().sort('name',pymongo.ASCENDING).skip(2)
print([result['name'] for result in results])
# 可以使用limit()方法指定要取的结果个数
results = collection.find().sort('name',pymongo.ASCENDING).skip(2).limit(2)
print([result['name'] for result in results])
'''
【注】
在数据库数量非常庞大的时候，不建议使用偏移量去查询，因为会导致内存溢出
'''
# 此时可以使用如下操作
from bson.objectid import ObjectId
collection.find({'_id':{$gt:ObjectId('ID号')}})

9.更新

# 使用update()方法，指定更新的条件和更新后的数据,但是官方并不推荐使用，推荐使用update_one()和update_many()方法
condition = {'name':'Infi-chu'}
student['age']=26
result = collection.update(condition,student)
print(result)
# 使用$set对数据进行更新
result = collection.update(condition,{'$set':student})
print(result)
# update_one()和update_many()
condition = {'name':'Infi-chu'}
student = collection.find_one(condition)
student['age'] = 25
result = collection.update_one(condition,{'$set':student})
print(result)
print(result.matched_count,result.modified_count)    # 数据条数，影响的数据条数

10.删除
使用remove()方法，推荐使用delete_one()和delete_many()

# remove()
result = collection.remove({'name':'Infi-chu'})
print(result)
# delete_one() | delete_many()
result = collection.delete_one({'name':'Infi-chu'})
print(result)
print(result.deleted_count)
result = collection.delete_many({'age':{'$lt':30}})
print(result.deleted_count)

11.更多操作
查找后删除、替换、更新
find_one_and_delete()
find_one_and_replace()
find_one_and_update()
操作索引
create_index()
create_indexes()
drop_index()