教程

本教程旨在介绍如何使用 蒙古数据库PyMongo .

先决条件

在我们开始之前,确保你有 PyMongo 分布 installed . 在Python shell中,应在不引发异常的情况下运行以下命令:

>>> import pymongo

本教程还假设MongoDB实例在默认主机和端口上运行。假设你有 downloaded and installed MongoDB,你可以这样开始:

$ mongod

与MongoClient建立连接

使用时的第一步 PyMongo 是为了创造一个 MongoClient 为了跑步 蒙古德 实例。这样做很容易:

>>> from pymongo import MongoClient
>>> client = MongoClient()

上面的代码将连接到默认主机和端口。我们也可以显式指定主机和端口,如下所示:

>>> client = MongoClient('localhost', 27017)

或者使用MongoDB URI格式:

>>> client = MongoClient('mongodb://localhost:27017/')

获取数据库

MongoDB的单个实例可以支持多个独立的 databases . 使用PyMongo时,可以使用 MongoClient 实例:

>>> db = client.test_database

如果您的数据库名不能使用属性样式访问(比如 test-database ),您可以改用字典式访问:

>>> db = client['test-database']

收集

A collection 是存储在MongoDB中的一组文档,可以认为大致相当于关系数据库中的表。在PyMongo中获取集合与获取数据库的工作原理相同:

>>> collection = db.test_collection

或(使用字典式访问):

>>> collection = db['test-collection']

关于MongoDB中集合(和数据库)的一个重要注意事项是,它们是延迟创建的——上面的命令都没有在MongoDB服务器上实际执行任何操作。在向集合和数据库中插入第一个文档时,将创建这些集合和数据库。

文件

MongoDB中的数据使用JSON样式的文档表示(并存储)。在PyMongo中,我们使用字典来表示文档。例如,可以使用以下字典来表示博客文章:

>>> import datetime
>>> post = {"author": "Mike",
...         "text": "My first blog post!",
...         "tags": ["mongodb", "python", "pymongo"],
...         "date": datetime.datetime.utcnow()}

注意,文档可以包含本机Python类型(比如 datetime.datetime 实例)将自动转换为 BSON 类型。

插入文档

要将文档插入到集合中,我们可以使用 insert_one() 方法:

>>> posts = db.posts
>>> post_id = posts.insert_one(post).inserted_id
>>> post_id
ObjectId('...')

当文档插入一个特殊的密钥时, "_id" 如果文档不包含 "_id" 钥匙。价值 "_id" 在整个集合中必须是唯一的。 insert_one() 返回的实例 InsertOneResult . 有关 "_id"documentation on _id .

插入第一个文档后 帖子 集合实际上已在服务器上创建。我们可以通过列出数据库中的所有集合来验证这一点:

>>> db.list_collection_names()
[u'posts']

获取单个文档 find_one()

在MongoDB中可以执行的最基本的查询类型是 find_one() . 此方法返回与查询(或 None 如果没有匹配项)。当您知道只有一个匹配的文档,或者只对第一个匹配的文档感兴趣时,它非常有用。在这里我们使用 find_one() 要从posts集合获取第一个文档,请执行以下操作:

>>> import pprint
>>> pprint.pprint(posts.find_one())
{u'_id': ObjectId('...'),
 u'author': u'Mike',
 u'date': datetime.datetime(...),
 u'tags': [u'mongodb', u'python', u'pymongo'],
 u'text': u'My first blog post!'}

结果是一个与我们先前插入的字典相匹配的字典。

注解

返回的文档包含 "_id" ,在插入时自动添加。

find_one() 还支持查询结果文档必须匹配的特定元素。为了将结果限制在作者为“Mike”的文档中,我们需要:

>>> pprint.pprint(posts.find_one({"author": "Mike"}))
{u'_id': ObjectId('...'),
 u'author': u'Mike',
 u'date': datetime.datetime(...),
 u'tags': [u'mongodb', u'python', u'pymongo'],
 u'text': u'My first blog post!'}

如果我们试着用另一个作者,比如“艾略特”,我们不会得到任何结果:

>>> posts.find_one({"author": "Eliot"})
>>>

按ObjectId查询

我们也可以通过它找到一个帖子 _id ,在我们的示例中是一个ObjectId:

>>> post_id
ObjectId(...)
>>> pprint.pprint(posts.find_one({"_id": post_id}))
{u'_id': ObjectId('...'),
 u'author': u'Mike',
 u'date': datetime.datetime(...),
 u'tags': [u'mongodb', u'python', u'pymongo'],
 u'text': u'My first blog post!'}

请注意,ObjectId与其字符串表示形式不同:

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

web应用程序中的一个常见任务是从请求URL获取ObjectId并找到匹配的文档。在这种情况下 从字符串转换ObjectId 在传递给 find_one ::

from bson.objectid import ObjectId

# The web framework gets post_id from the URL and passes it as a string
def get(post_id):
    # Convert from string to ObjectId:
    document = client.db.collection.find_one({'_id': ObjectId(post_id)})

关于Unicode字符串的一点注记

您可能注意到,从服务器检索时,我们先前存储的常规Python字符串看起来不同(例如,u'Mike'而不是'Mike')。一个简短的解释是合理的。

MongoDB将数据存储在 BSON format . BSON字符串是UTF-8编码的,因此PyMongo必须确保它存储的任何字符串只包含有效的UTF-8数据。常规字符串(<type'str'>)将被验证并存储为原样。Unicode字符串(<type'Unicode'>)首先编码为UTF-8。我们的示例字符串在pythonshell中表示为u'Mike'而不是'Mike',原因是PyMongo将每个BSON字符串解码为Python unicode字符串,而不是常规str。

You can read more about Python unicode strings here <http://docs.python.org/howto/unicode.html> _.

大容量插入

为了使查询更加有趣,让我们再插入一些文档。除了插入单个文档,我们还可以执行 大容量插入 操作,方法是将列表作为第一个参数传递给 insert_many() . 这将插入列表中的每个文档,只向服务器发送一个命令:

>>> 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)}]
>>> result = posts.insert_many(new_posts)
>>> result.inserted_ids
[ObjectId('...'), ObjectId('...')]

关于这个例子,有几个有趣的事情需要注意:

  • 结果来自 insert_many() 现在返回2 ObjectId 实例,每个插入的文档一个。

  • new_posts[1] 有一个不同的“形状”与其他帖子-没有 "tags" 字段,我们添加了一个新字段, "title" . 这就是我们所说的MongoDB schema-free .

查询多个文档

要获取作为查询结果的多个文档,我们使用 find() 方法。 find() 返回A Cursor 实例,它允许我们迭代所有匹配的文档。例如,我们可以迭代 posts 收藏:

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

就像我们做的那样 find_one() ,我们可以将文档传递给 find() 限制返回的结果。这里,我们只得到那些作者是“Mike”的文档:

>>> for post in posts.find({"author": "Mike"}):
...   pprint.pprint(post)
...
{u'_id': ObjectId('...'),
 u'author': u'Mike',
 u'date': datetime.datetime(...),
 u'tags': [u'mongodb', u'python', u'pymongo'],
 u'text': u'My first blog post!'}
{u'_id': ObjectId('...'),
 u'author': u'Mike',
 u'date': datetime.datetime(...),
 u'tags': [u'bulk', u'insert'],
 u'text': u'Another post!'}

计数

如果我们只想知道有多少文档与一个查询匹配,我们可以执行 count_documents() 操作而不是完整查询。我们可以获得集合中所有文档的计数:

>>> posts.count_documents({})
3

或者只匹配特定查询的文档:

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

范围查询

MongoDB支持许多不同类型的 advanced queries . 例如,让我们执行一个查询,在该查询中,我们将结果限制为超过某个日期的帖子,但同时也按作者对结果进行排序:

>>> d = datetime.datetime(2009, 11, 12, 12)
>>> for post in posts.find({"date": {"$lt": d}}).sort("author"):
...   pprint.pprint(post)
...
{u'_id': ObjectId('...'),
 u'author': u'Eliot',
 u'date': datetime.datetime(...),
 u'text': u'and pretty easy too!',
 u'title': u'MongoDB is fun'}
{u'_id': ObjectId('...'),
 u'author': u'Mike',
 u'date': datetime.datetime(...),
 u'tags': [u'bulk', u'insert'],
 u'text': u'Another post!'}

这里我们用的是 "$lt" 运算符执行范围查询,同时调用 sort() 按作者对结果进行排序。

索引

添加索引可以帮助加速某些查询,还可以为查询和存储文档添加附加功能。在本例中,我们将演示如何创建 unique index 拒绝索引中已存在该键值的文档的键。

首先,我们需要创建索引:

>>> result = db.profiles.create_index([('user_id', pymongo.ASCENDING)],
...                                   unique=True)
>>> sorted(list(db.profiles.index_information()))
[u'_id_', u'user_id_1']

注意,我们现在有两个索引:一个是 _id MongoDB自动创建,另一个是 user_id 我们刚刚创造了。

现在让我们设置一些用户配置文件:

>>> user_profiles = [
...     {'user_id': 211, 'name': 'Luke'},
...     {'user_id': 212, 'name': 'Ziltoid'}]
>>> result = db.profiles.insert_many(user_profiles)

索引阻止我们插入 user_id 已在集合中:

>>> new_profile = {'user_id': 213, 'name': 'Drew'}
>>> duplicate_profile = {'user_id': 212, 'name': 'Tommy'}
>>> result = db.profiles.insert_one(new_profile)  # This is fine.
>>> result = db.profiles.insert_one(duplicate_profile)
Traceback (most recent call last):
DuplicateKeyError: E11000 duplicate key error index: test_database.profiles.$user_id_1 dup key: { : 212 }

参见

MongoDB文档 indexes