1.mongoDB简介
1.1 NoSQL数据库
- 数据库：进行高效的、有规则的进行数据持久化存储的软件
- NoSQL数据库：Not only sql，指代非关系型数据库
- 优点：高可扩展性、分布式计算、低成本、灵活架构、半结构化数据、简化关联关系
- 缺点：没有标准化、有限查询、不直观
- 常见NoSQL数据库
- 列存储：Hbase、Cassandra、Hypertable
- 文档存储：MongoDB、CouchDB
- k-v存储：TokyoCabinet、BerkeleyDB、MemcacheDB、redis
- 对象存储：Neo4J、Versant
- Xml数据库：BerkeleyDB、BaseX
注：黑色加粗的为常用的数据库
1.2.MongoDB概述
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。
优点：
- C++编写的运行稳定性能高的数据
- 模式自由
- 面向集合
- 完整索引支持
- 复制和高可用性
1.3.Mongodb术语解释
- database--database：数据库
- table – collection：数据库表 – 集合
- row – document： 数据记录 – 文档
- column – field：数据字段 – 域
- index – index ：索引 – 索引
- table-join – None：表连接~
- primary key – primary key ：主键
1.4.MongoDB基本语法——数据类型
- 集合就是关系型书库中的表
- 文档对应关系型数据库中的行
- 文档：就是一个JSON对象，由KEY=VALUE键值对构成
{“name”:”admin”, “gender”:”男”}
集合：存储多个文档，结构不固定
{“name”:”admin”, “gender”:”男”}
{“name”:”manager”, “age”:23}
{“name”:”manager”, “phone”:”16868686868”}
- 数据库：存储多个集合
- 服务器：一个服务器中可以包含多个数据库
- ObjectID：文档id
- String：字符串
- Boolean：布尔值
- Integer：整数
- Double：浮点数
- Arrays：数组或者列表
- Object：嵌入的文档
- Null：空值
- Timestamp：时间戳
- Date：日期时间
2.Mongodb下载安装
- 官方网站
注意：偶数为稳定版，如1.6，奇数为开发版，如1.7
2.1.Windows下Mongodb安装
直接下载msi文件或者点击All Verison Binaries下载都行
我这里用的是zip安装，安装完毕后，
mongo文件夹中创建db文件夹和log文件夹
- 在cmd窗口输入命令启动数据库
mongod --dbpath D:\软件安装\MongoDB\data\db（此处是db的路径）
- 打开一个新的窗口输入命令mongo,用于数据库操作
2.2.Linux下Mongodb安装
MongoDB安装很简单，无需下载源文件，可以直接用apt-get命令进行安装。
1 . 打开终端，输入以下命令：
sudo apt-get install mongodb
2 . 安装完成后，在终端输入以下命令查看MongoDB版本：
mongo -version
显示版本信息，即安装成功
3 . 启动mongo数据库
在终端输入命令
sudo mongo
3.安装pymongo
PyMongo是Mongodb的Python接口开发包，是使用python和Mongodb的推荐方式。
用Python操作MongoDB需要通过PyMongo,输入命令安装
pip install pymongo 默认安装 pip install pymongo==2.8 安装指定版本 pip install –upgrade pymongo 升级PyMongo
安装成功
命令运行成功无报错
4.Mongodb基本使用
4.1.基本操作
- mongoDB将数据存储为一个文档
- 数据由 key=value 的键值对的形式组成
- 数据的操作：增删改查
- nosql三元素：数据库 – 集合 – 文档 [--域]
4.2.基本语法
- 数据库操作
- db：查看当前指向的数据库
- show dbs：查看当前所有的数据库
- use <数据库名称>：指向一个数据库
Use数据库不会创建数据库，如果操作数据会自动创建数据库 - db.dropDatabase()：删除当前指向的数据库
- 集合操作
- show collections：查看当前数据库所有集合
- db.createCollection(<c_name> [, options])：创建一个集合
- db.<集合名称>.drop()：删除指定的集合
show collections 查看当前库中所有的集合，后面的collections不要加括号
db.createCollection(name, [optinos])
创建一个名称为name的集合，后面的options表示创建的附带选项
db.createCollection(“emp”)：创建一个名称为emp的名称的集合
db.createCollection(“dept”, {“capped”: true, size: 5})：capped默认false
表示不设置上限，true表示设置上限需要设置size参数~表示达到上限时会将之前的数据覆盖
- 增加数据
- 语法：db.<集合名称>.insert(文档)
- 集合可以是原来存在的，可以是不存在的
- 文档：就是JSON格式表示的数据
- 简单查询：db.<集合名称>.find()查询指定集合的数据
db.student.insert({name:”jerry”, gender:”男”})
db.student.insert({_id:”1”, name:”tom”, gender:”女”, age:18})
- 更新数据
- 语法：db.<集合名称>.update(<query>, <update>,[multi:<boolean>])
- 指定属性更新：$opration
- multi：默认false更新符合条件第一条，设置true全集合更新
#更新符合条件的文档
db.student.update({name:”tom”}, {name:”jerry”})
#更新符合条件的文档中符合条件的域
db.student.update({name:”tom”}, {$set:{name:”jerry”}})
#更新符合条件的多行文档及对应的域
db.student.update({}, {$set:{name:”donghua”}}, {multi:true})
- 保存数据
- 语法：db.<集合名称>.save(文档)
- 特征：[ _id ]如果数据不存在就添加，如果数据存在修改
- 删除数据
- 语法：db.<集合名称>.remove(<query>, {justone:<boolean>})
- 参数query：删除文档的条件
- 参数justOne：设置为true或者1，删除一条；默认false删除多条
查询数据
- 基本查询
- find([{文档条件}])：全集合查询
- findOne([{文档条件}])：查询第一个
- pretty()：将查询结果格式化展示
- 比较运算符
默认判断，无运算符
$lt：little~小于 <
$lte：little or equals~小于等于 <=
$gt：granter~大于 >
$gte：granter or equals~大于等于 >=
#查询名称为jerry的学生
db.student.find({name:”jerry”})
#查询年龄已经适婚年龄的学员
db.student.find({age:{$gte:20}})
- 逻辑运算符
- 逻辑与：并且运算，默认操作，无运算符
- 逻辑或：或者运算，$or
#查询年龄已经适婚年龄并且性别为女的学员
db.student.find({age:{$gte:20}, gender:”女”})
#查询年龄大于18或者性别为男的学员
db.student.find({$or:[{age:{$gt:18}, {gender:”女”}]})
- 范围运算符
- $in：判断指定条件是否包含在某个范围内
- $nin：判断指定条件是否不包含在某个范围内
#查询年龄在18或者20的学员
db.student.find({age: {$in:[18,20]}})
#查询年龄不是18 的学员
db.student.find({age: {$nin : [20]}})
- 限制查询条数
<find>.limit(count)
- 排序
<find>.sort({字段：1/-1, ...})
db.student.find().sort({name:1})
1.表示升序排列 -1表示降序排列，可以指定多个字段
- 统计
<find>.count()
db.<集合名称>.count({条件})
两种操作方式
1.查询结果，通过count()统计数据
2. 通过count()直接添加条件统计数据
- 去重
db.<集合名称>.distinct(“去重域名称”, {条件})
查询数据列表中，所有的年龄分布情况
db.student.distinct(“age”, {})
- 分页
#隔n个数据查询m个数据 db.hero.find().pretty().limit(m).skip(n)
5.Mongodb与python交互
之前学习了爬虫，现在我们把爬取得到的数据存储于Mongodb中
#爬取英雄联盟英雄信息详情，并存储
#-*- coding:utf-8 -*-
import pymongo
import requests
from bs4 import BeautifulSoup
#建立于MongoClient 的连接
client = pymongo.MongoClient(‘localhost‘,27017)
#得到数据库
hero = client[‘hero‘]
#得到一个数据集合
sheet_tab = hero[‘sheet_tab‘]
url = ‘http://lol.duowan.com/hero/‘
req = requests.get(url)
soup = BeautifulSoup(req.text,‘html.parser‘)
links = soup.find(id="champion_list").find_all(‘a‘)
for link in links:
link = link[‘href‘]
requ = requests.get(link)
sop = BeautifulSoup(requ.text,‘html.parser‘)
data = {
‘title‘ : sop.find(‘h2‘,class_="hero-title").get_text(),
‘name‘ : sop.find(‘h1‘,class_="hero-name").get_text(),
‘tags‘ : sop.find(‘div‘,class_="hero-box ext-attr").find_all(‘span‘)[1].get_text(),
‘story‘ : sop.find(‘div‘,class_="hero-popup").find_all(‘p‘)[0].get_text(),
}
sheet_tab.insert_one(data)
开启mongo,运行代码
通过Robo 3T可视化工具我们可以看到抓取到了137条数据，并且已存储到mongodb中
时间： 2024-07-29 18:32:22