python爬虫---mongodb基础

一,mongodb简介

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。

  下载安装mongodb: download

  mongodb的优势

二,mongodb的curd(增删改查)

  数据库操作

> use blog
switched to db blog
> show dbs
admin   0.000GB
config  0.000GB
local   0.000GB
test    0.000GB
> db.article.insert({"title":"西游记"})
WriteResult({ "nInserted" : 1 })
> db.userinfo.insert({"name":"alex"})
WriteResult({ "nInserted" : 1 })
> show tables;
article
userinfo
> show dbs
admin 0.000GB
blog 0.000GB
config 0.000GB
local 0.000GB
test 0.000GB
> db.dropDatabase()
{ "dropped" : "blog", "ok" : 1 }  

  

  集合操作

> use blog
switched to db blog
> db.article.insert({"title":"python"})
WriteResult({ "nInserted" : 1 })
> db.article.insert({"title":"linux"})
WriteResult({ "nInserted" : 1 })
> show tables;
article
> db.article.drop()
true
> show tables;
>

  

  文档操作

    添加文档

#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()

    查看文档

###################### (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}}) 

    修改文档

############################## 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"  

    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({})

三,pymongo

"""
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。
"""<br>
import pymongo
client = pymongo.MongoClient(host=‘localhost‘, port=27017)<br>
"""
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。<br>
"""
# 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/

  

  

  

原文地址:https://www.cnblogs.com/lianyeah/p/10316605.html

时间: 2024-10-05 16:08:26

python爬虫---mongodb基础的相关文章

python爬虫之基础学习(一)

python爬虫之基础学习(一) 网络爬虫 网络爬虫也叫网络蜘蛛.网络机器人.如今属于数据的时代,信息采集变得尤为重要,可以想象单单依靠人力去采集,是一件无比艰辛和困难的事情.网络爬虫的产生就是代替人力在互联网中自动进行信息采集和整理. 网络爬虫的组成 网络爬虫由控制节点.爬虫节点以及资源库构成,简单而言就是控制节点控制爬虫节点爬取和处理网页存储到资源库中.网络爬虫中有多个控制节点和爬虫节点,一个控制节点控制着多个爬虫节点,同一个控制节点下的多个爬虫节点可以相互通信,多个控制节点也可以相互通信.

python爬虫相关基础概念

什么是爬虫 爬虫就是通过编写程序模拟浏览器上网,然后让其去互联网上抓取数据的过程. 哪些语言可以实现爬虫 1.php:可以实现爬虫.但是php在实现爬虫中支持多线程和多进程方面做得不好. 2.java:可以实现爬虫.java可以非常好的处理和实现爬虫,是唯一可以与python并驾齐驱的.但是java实现爬虫代码较为臃肿,重构成本较大. 3.c.c++:可以实现爬虫.相比较来说难度比较大. 4.python:可以实现爬虫.python实现和处理爬虫语法简单,代码优美学习成本低,支持的模块比较多,具

python 爬虫urllib基础示例

环境使用python3.5.2  urllib3-1.22 下载安装 wget https://www.python.org/ftp/python/3.5.2/Python-3.5.2.tgz tar -zxf Python-3.5.2.tgz cd Python-3.5.2/ ./configure --prefix=/usr/local/python make && make install mv /usr/bin/python /usr/bin/python275 ln -s /us

Python爬虫-正则表达式基础

import re #常规匹配 content = 'Hello 1234567 World_This is a Regex Demo' #result = re.match('^Hello\s\d\d\d\s\d{4}\s\w{10}.*Demo$',content) #print(result.group()) #print(result.span()) #泛匹配 #result = re.match("^Hello.*Demo$",content) #print(result)

Python网络爬虫入门,带你领略Python爬虫的乐趣!

前段时间小编写了一篇有关于Python入门的文章,我觉得写的还是不够好,所以我特地补上一篇Python爬虫的入门的,本文特别适合Python小白,刚学习爬虫不久.接下来就让我们一起来写第一个例子吧! 一.我们的目标 1.作为第一个例子,我就以抓取糗事百科热门贴为例吧 2.糗事百科热门帖,获取其发布者.评论.点赞数.评论等信息 3.将信息清洗并打印,循环输出 4.设计程序,使可以选择抓取的页面范围 5.将每一页的信息保存到文本 二.开发环境介绍 phthon 2.7.13 IDE:PyCharm

爬虫入门【8】Python连接MongoDB的用法简介

MongoDB的连接和数据存取 MongoDB是一种跨平台,面向文档的NoSQL数据库,提供高性能,高可用性并且易于扩展. 包含数据库,集合,文档等几个重要概念. 我们在这里不介绍MongoDB的特点和用法了,感兴趣的可以查一下官方文档. 在此重点介绍如何使用python连接MongoDB,并通过PyMongo操作MongoDB数据库. 这里默认MongoDB已经安装好啦,安装教程可以参考: http://www.yiibai.com/mongodb/mongodb_environment.ht

小白学 Python 爬虫(40):爬虫框架 Scrapy 入门基础(七)对接 Selenium 实战

人生苦短,我用 Python 前文传送门: 小白学 Python 爬虫(1):开篇 小白学 Python 爬虫(2):前置准备(一)基本类库的安装 小白学 Python 爬虫(3):前置准备(二)Linux基础入门 小白学 Python 爬虫(4):前置准备(三)Docker基础入门 小白学 Python 爬虫(5):前置准备(四)数据库基础 小白学 Python 爬虫(6):前置准备(五)爬虫框架的安装 小白学 Python 爬虫(7):HTTP 基础 小白学 Python 爬虫(8):网页基

转 Python爬虫入门二之爬虫基础了解

静觅 » Python爬虫入门二之爬虫基础了解 2.浏览网页的过程 在用户浏览网页的过程中,我们可能会看到许多好看的图片,比如 http://image.baidu.com/ ,我们会看到几张的图片以及百度搜索框,这个过程其实就是用户输入网址之后,经过DNS服务器,找到服务器主机,向服务器发出一个请求,服务器经过解析之后,发送给用户的浏览器 HTML.JS.CSS 等文件,浏览器解析出来,用户便可以看到形形色色的图片了. 因此,用户看到的网页实质是由 HTML 代码构成的,爬虫爬来的便是这些内容

python爬虫主要就是五个模块:爬虫启动入口模块,URL管理器存放已经爬虫的URL和待爬虫URL列表,html下载器,html解析器,html输出器 同时可以掌握到urllib2的使用、bs4(BeautifulSoup)页面解析器、re正则表达式、urlparse、python基础知识回顾(set集合操作)等相关内容。

本次python爬虫百步百科,里面详细分析了爬虫的步骤,对每一步代码都有详细的注释说明,可通过本案例掌握python爬虫的特点: 1.爬虫调度入口(crawler_main.py) # coding:utf-8from com.wenhy.crawler_baidu_baike import url_manager, html_downloader, html_parser, html_outputer print "爬虫百度百科调度入口" # 创建爬虫类class SpiderMai