爬虫系列之mongodb

mongodb

mongo简介

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

download

mongodb的优势

mongodb的CURD

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({})

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/yuncong/p/10317024.html

时间： 2024-10-22 00:31:49

爬虫系列之mongodb的相关文章

python 爬虫系列教程方法总结及推荐

爬虫,是我学习的比较多的,也是比较了解的.打算写一个系列教程,网上搜罗一下,感觉别人写的已经很好了,我没必要重复造轮子了. 爬虫不过就是访问一个页面然后用一些匹配方式把自己需要的东西摘出来. 而访问页面经常用到的几个库,一是urllib和urllib2结合使用,二是requests的使用.第一种方法可以让你了解http协议的一些原理,对于初学者应该从这个入手,但是所谓显得麻烦,第二种requests比较方便,但是由于它是对其他库(httplib等)的高级封装,所以灵活性会差点,功能稍微差点,但一

【爬虫】把抓到数据存起来——爬虫绝配mongodb

[爬虫]把抓到数据存起来--爬虫绝配mongodb 视频地址 抓取数据的方法,前面的课程该讲的都已经讲了,爬取下来数据只是第一步,第二步就是要先存起来.我们最容易想到的就是存文件里喽,python写文件之前的课程也已经讲过了.存到文件里当然是可以的,但是你是否想过,每次使用都要把整个文件打开,然后读取,实在是有点不geek啊. 所以我们通常会选择存进数据库,方便写入和读取数据,并且对于大部分情况而言,python数据结构中的dict足够我们去结构化抓取的数据,那么能把两者发挥到极致的神器就是--

java爬虫系列目录

1. java爬虫系列第一讲-爬虫入门(爬取动作片列表) 2. java爬虫系列第二讲-爬取最新动作电影<海王>迅雷下载地址 3. java爬虫系列第三讲-获取页面中绝对路径的各种方法 4. java爬虫系列第四讲-采集"极客时间"专栏文章.视频专辑 5. java爬虫系列第五讲-如何使用代理防止爬虫被屏蔽? 原文地址:https://www.cnblogs.com/itsoku123/p/10755548.html

Java爬虫系列之实战：爬取酷狗音乐网 TOP500 的歌曲

在前面分享的两篇随笔中分别介绍了HttpClient和Jsoup以及简单的代码案例: Java爬虫系列二:使用HttpClient抓取页面HTML Java爬虫系列三:使用Jsoup解析HTML 今天就来实战下,用他们来抓取酷狗音乐网上的 Top500排行榜音乐.接下来的代码中除了会用到HttpClient和Jsoup之外,还会用到log4j和ehcache,分别用来记录日志和实现缓存,如果看官对这两个不是很熟悉的话,请自行百度,现在网上的入门实例有很多,我就不专门记笔记了. 那为什么会想到爬取

Python爬虫系列之 xpath：html解析神器

通过前面的文章,我们已经知道了如何获取网页和下载文件,但是前面我们获取的网页都是未经处理的,冗余的信息太多,无法进行分析和利用 这一节我们就来学习怎么从网页中筛选自己需要的信息,顺便给大家推荐一个资源很全的python学习免非解答.裙 :七衣衣九七七巴而五(数字的谐音)转换下可以找到了,这里有资深程序员分享以前学习心得,学习笔记,还有一线企业的工作经验,且给大家精心整理一份python零基础到项目实战的资料,每天给大家讲解python最新的技术,前景,学习需要留言的小细节 说到信息筛选我们立马就

python爬虫系列：更上一层楼

这篇博文主要写Scrapy框架的安装与使用 Scrapy框架安装 命令行进入C:\Anaconda2\Scripts目录,运行:conda install Scrapy 创建Scrapy项目 1)进入打算存储的目录下,执行scrapy startproject 文件名 命令即可创建 新文件目录及内容 demo/ scrapy.cfg tutorial/ __init__.py items.py pipelines.py settings.py spiders/ __init__.py ... 这

【nodeJS爬虫】前端爬虫系列

写这篇 blog 其实一开始我是拒绝的,因为爬虫爬的就是cnblog博客园.搞不好编辑看到了就把我的账号给封了:). 言归正传,前端同学可能向来对爬虫不是很感冒,觉得爬虫需要用偏后端的语言,诸如 php , python 等.当然这是在 nodejs 前了,nodejs 的出现,使得 Javascript 也可以用来写爬虫了.由于 nodejs 强大的异步特性,让我们可以轻松以异步高并发去爬取网站,当然这里的轻松指的是 cpu 的开销. 要读懂本文,其实只需要有 能看懂 Javascript 及

【Python3爬虫】Scrapy+MongoDB+MySQL

分享一下两个小爬虫,都是用Scrapy写的,一个用MongoDB保存,另一个用MySQL保存. 一.Scrapy+MongoDB 主要代码: 在settings.py中添加如下代码: MONGODB_HOST = "127.0.0.1" # 本机ip地址MONGODB_PORT = 27017 # 端口号MONGODB_DB = "DouBan" # 数据库名MONGODB_COL = "DouBanDuShu" # 集合名 在pipelines

爬虫系列之Scrapy框架

一 scrapy框架简介 1 介绍 (1) 什么是Scrapy? Scrapy是一个为了爬取网站数据,提取结构性数据而编写的应用框架,非常出名,非常强悍.所谓的框架就是一个已经被集成了各种功能(高性能异步下载,队列,分布式,解析,持久化等)的具有很强通用性的项目模板.对于框架的学习,重点是要学习其框架的特性.各个功能的用法即可. Scrapy一个开源和协作的框架,其最初是为了页面抓取 (更确切来说, 网络抓取 )所设计的,使用它可以以快速.简单.可扩展的方式从网站中提取所需的数据.但目前Scra