Python爬虫数据保存到MongoDB中

  MongoDB是一款由C++语言编写的非关系型数据库,是一个基于分布式文件存储的开源数据库系统,其内容存储方式类似于JSON对象,它的字段值可以是其它文档或数组,但其数据类型只能是String文本型。

  在使用之前我们要确保已经安装好了MongoDB并启动了该服务。此处主要用于Python数据的保存,我们要安装Python的PyMongo库,运行 ‘pip install pymongo’ 命令完成pymongo的安装。进入python工作模式,可以通过pymongo.version 查看pymongo的版本信息。

  

  第一步,连接MongoDB

  我们通过PyMongo库里的MongoClient。其中第一个参数 host 是mongodb的地址,第二个参数是端口 port (不传参数的话默认是27017) 

client = pymongo.MongoClient(host='127.0.0.1',port=27017)

  另一种方法是直接传递MongoDB的连接字符串,以 mongodb 开头。

client = pymongo.MongoClient('mongodb://127.0.0.1:27017/')

  第二步,选择数据库或集合

  在MongoDB中可以建立多个数据库,其中每个数据库又包含许多集合,类似于关系数据库中的表。选择数据库有两种方法,这两种方法作用相同。

db = client.test    # test数据库
db = client['test']

  选择好数据库后我们需要指定要操作的集合,与数据库的选择类似。

p = db.persons    # persons集合
p = db['persons']

  第三步,添加数据

person = {
    'id':'00001',
    'name':'Abc',
    'age':19
}
result = p.insert(person)
# 在PyMongo 3.x版本后,官方推荐使用insert_one(),该方法返回的不再是单纯的_id值,我们需要执行result.inserted_id查看 _id 值
print(result)

  此处通过对象的 insert() 方法添加了一条数据,添加成功后返回的是数据插入过程中自动添加的 _id 属性值,这个值是唯一的。另外我们还可以添加多条数据,它以列表的形式进行传递。

person = {
    'id':'00001',
    'name':'Abc',
    'age':19
}
person1 = {
    'id':'00002',
    'name':'Dfg',
    'age':20
}
result = p.insert([person,person1])
# 推荐使用 insert_many() 方法,之后使用 result.inserted_ids 查看插入数据的 _id 列表
print(result)

  第四步,查询数据

  查询数据我们可以使用 find_one() 或 find() 方法,其中 find_one() 得到的是单个数据结果,find() 返回的是一个生成器对象。

res = p.find_one({'name':'Abc'})  # 查询 name 为 Abc 的人的信息,返回字典型的数据
print(res)

  find() 则用来查询多条数据,返回 cursor 类型的生存器,我们要遍历取得所有的数据结果。

res = p.find({'age':20})  # 查询集合中age是20的数据
# res = p.find({'age':{'$gt':20}}) # 查询集合中age大于20的数据
print(res) for r in res: print(r)

  另外,我们还可以通过正则匹配进行查询。

res = p.find({'name':{'$regex':'^A.*'}})  # 查询集合中name以A开头的数据

  要统计查询的结果一共有多少条数据,需要使用 count() 方法

count = p.find().count()  # 统计集合中所有数据条数

  排序则直接调用 sort() 方法,根据需求传入升序降序标志即可

 res = p.find().sort('age',pymongo.ASCENDING)  # 将集合中的数据根据age进行排序,pymongo.ASCENDING表示升序,pymongo.DESCENDING表示降序

  当我们只需要取得几个元素时,我们可以使用 skip() 方法偏移几个位置,得到去掉偏移个数之后剩下的元素数据

res = p.find({'name':{'$regex':'^A.*'}}).skip(2) 
print([ r['name'] for r in res ])  # 打印name以A开头的数据的名称name,从第三个显示

  第五步,更新数据

  更新数据我们使用 update() 方法实现,并指定更新的条件和需要更新的数据即可。

where = {'name':'Abc'}
res = p.find_one(where)
res['age'] = 25
result = p.update(where, res)  # 推荐使用 update_one() 或 update_many()
print(result)

  返回的是一个字典形式的数据,{'ok': 1, 'nModified': 1, 'n': 1, 'updatedExisting': True},其中 ok 表示执行成功,nModified 表示影响的数据条数。

  另外我们还可以使用 $set 操作符对数据进行更新。使用$set则只更新字典内存在的字段,其它字段则不更新,也不删除。如果不用则会更新所有的数据,而其它存在的字段则会被删除。

where = {'age':{'$gt':20}}
result = p.update_many(where,{'$inc':{'age':1}}) # 将集合中年龄大于20的第一条的数据年龄加1
print(result)
print(result.matched_count,result.modified_count) # 获取匹配的数据条数,影响的数据条数

  第六步,删除数据

  删除数据可以调用 remove() 方法,需要指定删除条件。

result = p.remove({'name':'Abc'})   # 删除名称为Abc的数据,推荐使用 delete_one() 和 delete_many(),执行后调用 result.delete_count,获得删除的数据条数

  返回的是一条字典型数据,{'ok':1,'n':1}

  另外,我们还可以对索引进行操作,比如 create_index() 创建单个索引,create_indexes()创建多个索引,drop_index()删除索引等方法。

参考:静觅博客   https://cuiqingcai.com/5584.html  

猜你喜欢

转载自www.cnblogs.com/lovele-/p/9179423.html