开始之前当然要导入模块啦:
> import pymongo
下一步,必须本地mongodb服务器的安装和启动已经完成,才能继续下去。
建立于MongoClient 的连接:
client = MongoClient('localhost', 27017) # 或者 client = MongoClient('mongodb://localhost:27017/')
得到数据库:
> db = client.test_database # 或者 > db = client['test-database']
得到一个数据集合:
collection = db.test_collection # 或者 collection = db['test-collection']
MongoDB中的数据使用的是类似Json风格的文档:
> import datetime > post = {"author": "Mike", ... "text": "My first blog post!", ... "tags": ["mongodb", "python", "pymongo"], ... "date": datetime.datetime.utcnow()}
插入一个文档:
> posts = db.posts > post_id = posts.insert_one(post).inserted_id > post_id ObjectId('...')
找一条数据:
> posts.find_one() {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']} > posts.find_one({"author": "Mike"}) {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']} > posts.find_one({"author": "Eliot"}) >
通过ObjectId来查找:
> post_id ObjectId(...) > posts.find_one({"_id": post_id}) {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']}
不要转化ObjectId的类型为String:
> post_id_as_str = str(post_id) > posts.find_one({"_id": post_id_as_str}) # No result >
如果你有一个post_id字符串,怎么办呢?
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)})
多条插入:
> 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('...')]
查找多条数据:
> 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'}
当然也可以约束查找条件:
> for post in posts.find({"author": "Mike"}): ... 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']}
获取集合的数据条数:
> posts.count()
或者说满足某种查找条件的数据条数:
> posts.find({"author": "Mike"}).count()
范围查找,比如说时间范围:
> d = datetime.datetime(2009, 11, 12, 12) > for post in posts.find({"date": {"$lt": d}}).sort("author"): ... print post ... {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'} {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']}
$lt是小于的意思。
如何建立索引呢?比如说下面这个查找:
> posts.find({"date": {"$lt": d}}).sort("author").explain()["cursor"] u'BasicCursor' > posts.find({"date": {"$lt": d}}).sort("author").explain()["nscanned"]
建立索引:
> from pymongo import ASCENDING, DESCENDING > posts.create_index([("date", DESCENDING), ("author", ASCENDING)]) u'date_-1_author_1' > posts.find({"date": {"$lt": d}}).sort("author").explain()["cursor"] u'BtreeCursor date_-1_author_1' > posts.find({"date": {"$lt": d}}).sort("author").explain()["nscanned"]
连接聚集
> account = db.Account #或 > account = db["Account"]
查看全部聚集名称
> db.collection_names()
查看聚集的一条记录
> db.Account.find_one() > db.Account.find_one({"UserName":"keyword"})
查看聚集的字段
> db.Account.find_one({},{"UserName":1,"Email":1}) {u'UserName': u'libing', u'_id': ObjectId('4ded95c3b7780a774a099b7c'), u'Email': u'libing@35.cn'} > db.Account.find_one({},{"UserName":1,"Email":1,"_id":0}) {u'UserName': u'libing', u'Email': u'libing@35.cn'}
查看聚集的多条记录
> for item in db.Account.find(): item > for item in db.Account.find({"UserName":"libing"}): item["UserName"]
查看聚集的记录统计
> db.Account.find().count() > db.Account.find({"UserName":"keyword"}).count()
聚集查询结果排序
> db.Account.find().sort("UserName") #默认为升序 > db.Account.find().sort("UserName",pymongo.ASCENDING) #升序 > db.Account.find().sort("UserName",pymongo.DESCENDING) #降序
聚集查询结果多列排序
> db.Account.find().sort([("UserName",pymongo.ASCENDING),("Email",pymongo.DESCENDING)])
添加记录
> db.Account.insert({"AccountID":21,"UserName":"libing"})
修改记录
> db.Account.update({"UserName":"libing"},{"$set":{"Email":"libing@126.com","Password":"123"}})
删除记录
> db.Account.remove() -- 全部删除 > db.Test.remove({"UserName":"keyword"})
华山资源网 Design By www.eoogi.com
广告合作:本站广告合作请联系QQ:858582 申请时备注:广告合作(否则不回)
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
华山资源网 Design By www.eoogi.com
暂无评论...
RTX 5090要首发 性能要翻倍!三星展示GDDR7显存
三星在GTC上展示了专为下一代游戏GPU设计的GDDR7内存。
首次推出的GDDR7内存模块密度为16GB,每个模块容量为2GB。其速度预设为32 Gbps(PAM3),但也可以降至28 Gbps,以提高产量和初始阶段的整体性能和成本效益。
据三星表示,GDDR7内存的能效将提高20%,同时工作电压仅为1.1V,低于标准的1.2V。通过采用更新的封装材料和优化的电路设计,使得在高速运行时的发热量降低,GDDR7的热阻比GDDR6降低了70%。
更新日志
2024年11月16日
2024年11月16日
- 第五街的士高《印度激情版》3CD [WAV+CUE][2.4G]
- 三国志8重制版哪个武将智力高 三国志8重制版智力武将排行一览
- 三国志8重制版哪个武将好 三国志8重制版武将排行一览
- 三国志8重制版武将图像怎么保存 三国志8重制版武将图像设置方法
- 何方.1990-我不是那种人【林杰唱片】【WAV+CUE】
- 张惠妹.1999-妹力新世纪2CD【丰华】【WAV+CUE】
- 邓丽欣.2006-FANTASY【金牌大风】【WAV+CUE】
- 饭制《黑神话》蜘蛛四妹手办
- 《燕云十六声》回应跑路:年内公测版本完成95%
- 网友发现国内版《双城之战》第二季有删减:亲亲环节没了!
- 邓丽君2024-《漫步人生路》头版限量编号MQA-UHQCD[WAV+CUE]
- SergeProkofievplaysProkofiev[Dutton][FLAC+CUE]
- 永恒英文金曲精选4《TheBestOfEverlastingFavouritesVol.4》[WAV+CUE]
- 群星《国风超有戏 第9期》[320K/MP3][13.63MB]
- 群星《国风超有戏 第9期》[FLAC/分轨][72.56MB]