本文和大家分享的是Python3下MongoDB的存储操作相关内容，在看本文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。下面进入正题，一起来看看吧，希望对大家学习Python3有所帮助。

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。

import pymongo

client = pymongo.MongoClient(host=’localhost’, port=27017)

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。

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：

{’_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：

{’_id’: ObjectId(’593278c115c2602667ec6bae’), ’id’: ’20170101’, ’name’: ’Jordan’, ’age’: 20, ’gender’: ’male’}

当然如果查询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：

{’_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：

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：

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

在某些情况下我们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}} ，也就是年龄加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>14

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。

来源：极客头条

几招学会 Python 3 中 PyMongo 的用法