↓

Python Mongo 模块 - Pymongo

·432 字·3 分钟
Python python mongo module 模块
n3xtchen
作者
n3xtchen
Sharing Funny Tech With You

连接服务器 #

>>> from pymongo import MongoClient
>>> client = MongoClient('127.0.0.1', 27017)    // 方法 A
>>> client = MongoClient('mongodb://localhost:27017/')  // 方法 B

进入数据库 #

>>> db  = client.test_database  // 方法 A
>>> db  = client['test_database']   // 方法 B

进入集合（Collection） #

集合（Collection）是存储在 MongoDB 数据库中的文档组合，可以把它当作关系数据 库中的表。

>>> collection = db.test_collection 
// 也可以采用数据调用，和数据访问两种方式一致

还有一点要注意，集合和数据库在 MongoDB 中创建是懒惰的 - 实际上，上述的操作都没有在 MongoDB 中产生影响。集合和数据库只有在第一个文档被插入时才会被创 建。

文档（Document） #

数据在 MongoDB 中是使用 JSON 风格的文档来呈现的。在 PyMongo 中，我们使用字典 （Dictionary）来呈现文档的。作为例子，我们使用如下字典来呈现一条博客：

>>> import datetime
>>> post    = {"author": "n3xtchen",
...             "text" : "My first blog post!"
...             "data" : datatime.datetime.utcnow()}

注意，文档可以包含 Python 原生的类型（例如 datetime.datetime 实例）； 他们会自动与相应的 BSON类型相互转化。

插入一个文档 #

>>> posts   = db.posts
>>> post_id = posts.insert(post)
>>> post_id
ObjectId('...')

当创建文档时，"_id" 会自动被加入，如果文档中没有包含的话。"_id" 的值必须 是在一个集合中必须是唯一的。insert() 会返回插入的 "_id"的。

插入第一个文档后，posts 集合实际上已经在服务器上被创建了。我们可以通过下面 方法来罗列我们数据库的所有集合来验证这一点：

>>> db.collection_name()
[u'system.indexes', u'posts']

注意： system.indexes 集合是一个特殊的内部集合，它是自动被创建的。

使用 find_one() 来获取一条文档 #

在 MOngoDB 中最基本的查询方式就是 find_one()。这种方式返回一个符合查询的文 档（或者如果没有匹配的话返回 None）。当你只想要一条匹配的文档或者你只对第 一条感兴趣的时候，这个命令很有用。

>>> post.fine_one()
{u'data': datetime.datetime(...), u'text': u'My first blog post!' ...}

匹配的结果就是我们之前插入的那一条

find_one() 也支持指定元素的查询

>>> post.fine_one({"author": "n3xtchen"})
{u'data': datetime.datetime(...), u'text': u'My first blog post!' ...}

通过 ObjectId 查询 #

我们也可以 _id 来查询 post。

>>> post_id
ObjectId(...)
>>> posts.find_one({"_id": post_id})
{u'data': datetime.datetime(...), u'text': u'My first blog post!' ...}

注意，ObjectId 和字符串不同

>>> post_id_as_str str(post_id)
>>> posts.find_one({"_id": post_id_as_str}) # No result

在网页应用中，我会从请求的URL中获取一个 ObjectId 来查询匹配的文档是非常寻常 的事情，所以，如何从传递过来的字符串转化成 ObjectID 是非常必要的：

from bson.objectid import ObjectId
def get(post_id):
    document = cliemt.db.collection.find_one({'_id': ObjectId(post_id)})

Unicode 字符串 #

你可能注意到我们之前存储的是常规的 Python 字符串和从服务器返回的看起来不一样 （e.g. u’Mike’ 代替 ‘Mike’）。

MongoDB 存储数据使用的 BSON 类型。BSON 字符串是通过 UTF-8 编码的，因此 PyMongo 必须保证存储的任何字符串只包含有效的 UTF-8 数据。常规的字符串 （<type ‘str’>）会被验证然后被存储而不被改变。Unicode 字符串 （<type ‘unicode’>）会首先被 UTF-8 编码。而会出现上述（u’Mike’ 代替 ‘Mike’）是因为 PyMongo 会把每一个 BSON 字符串转化成 Python 的 unicode字符串 ，而不是常规字符串。

大批量插入（Bulk Inserts） #

为了使查询更有意思，让我插入多一些的文档。

>>> 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)}]
>>> posts.insert(new_posts)
[ObjectId('...'), ObjectId('...')]

这个例子有些有趣的东西我们需要注意：

  • 返回的是两个 ObjectId
  • new_posts 的形状和之前的不一样 - 有一个没有 tags 字段，和我们加入了一个 新的字段 title。是因为 MongoDB 是 schema-free（无模式的）。

查询多个文档 #

为了获取多个文档作为结果的查询，我们使用 find() 方法。`find() 返回一个指针 （cursor）实例。

>>> for post in posts.find():
...     post
{u'date': datetime.datetime(...), u'text': u'My first blog post!', u'_id': ObjectId('...'), u'author': u'Mike', u'tags': [u'mongodb', u'python', u'pymongo']}
{u'date': datetime.datetime(2009, 11, 12, 11, 14), u'text': u'Another post!', u'_id': ObjectId('...'), u'author': u'Mike', u'tags': [u'bulk', u'insert']}
{u'date': datetime.datetime(2009, 11, 10, 10, 45), u'text': u'and pretty easy too!', u'_id': ObjectId('...'), u'author': u'Eliot', u'title': u'MongoDB is fun'}

计数 #

如果我们只想知道有多少个文档匹配，我们可以使用 count() 操作。

>>> posts.count()
3

>>> posts.find({"author": "Mike"}).count()
2

索引 #

为了使查询更快，我们可以添加组合索引在 "date" 和 "author" 上。我们使用 explain() 方法来获取关于查询性能的信息

>>> posts.find({"date": {"$lt": d}}).sort("author").explain()["cursor"]
u'BasicCursor'
>>> posts.find({"date": {"$lt": d}}).sort("author").explain()["nscanned"]
3

我们可以看出查询使用的使 BasicCursor 和检索了所有的三个文档。现在我们加上组 合索引，查看相同的信息：

import pymongo import ASCENDING, DESCENDING
>>> posts.create_index([("date", DESCENDING), ("author", ASCENDING)])
u'date_-1_author_1'
>>> posts.find({"date": {"$lt": d}}).sort("author").explain()["cursor"]
u'BtreeCursor date_-1_author_1'
>>> posts.find({"date": {"$lt": d}}).sort("author").explain()["nscanned"]
2

现在我们使用的使 BTreeCursor 索引和只检索了两个匹配的文档。