python爬虫---mongodb基础
Posted 乘地铁
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了python爬虫---mongodb基础相关的知识，希望对你有一定的参考价值。
一，mongodb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mongodb: download
mongodb的优势
二，mongodb的curd(增删改查)
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"以上是关于python爬虫---mongodb基础的主要内容，如果未能解决你的问题，请参考以下文章