pymongo 3.5.1 官方最新版

Python使用MongoDB的简单教程，将使用pymongo对MongoDB进行的各种操作进行了简单的汇总，NoSQLFan进行了简单整理，使用Python的同学可以看一看。

下载相应平台的版本，解压即可。为方便使用，将bin路径添加到系统path环境变量里。其中mongod是服务器，mongo是客户shell，然后创建数据文件目录：在c盘下创建data文件夹，里面创建db文件夹。

python下如何安装.whl包？

1.先安装PIP

2.CMD命令进入C:\Python34\Scripts里面后再执行PIP命令安装pip install wheel

3.把文件最好放在\Script文件夹里面再pip install xxxx.whl

4.注意whl文件名不能改 必须一模一样和原名

下载安装：

当前可下载选项：

pymongo-2.6.3.tar.gz Sourcepymongo-2.6.3.win32-py2.7.exe MS Windows installer

PyMongo安装安装pymongo-2.6.3.tar.gz

解压之后，cmd运行语句：C:\Users\libing>cd /d E:\pymongo-2.6.3E:\pymongo-2.6.3>python setup.py install安装pymongo-2.6.3.win32-py2.7.exe双击打开即可进入安装

pymongo 使用官方教程：

安装对应语言的Driver，Python 安装 pymongo

$ easy_install pymongo

使用方法总结，摘自官方教程

创建连接

>>> import pymongo>>> connection=pymongo.Connection('localhost',27017)

切换数据库

>>> db = connection.test_database

获取collection

>>> collection = db.test_collection

db和collection都是延时创建的，在添加Document时才真正创建

文档添加，_id自动创建

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

批量插入

>>> 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)}]>>> posts.insert(new_posts)[ObjectId('...'), ObjectId('...')]

获取所有collection（相当于SQL的show tables）

>>> db.collection_names()[u'posts', u'system.indexes']

获取单个文档

>>> 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']}

查询多个文档

>> 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'}

加条件的查询

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

高级查询

>>> posts.find({"date": {"$lt": d}}).sort("author")

统计数量

>>> posts.count()3

加索引

>>> from pymongo import ASCENDING, DESCENDING>>> posts.create_index([("date", DESCENDING), ("author", ASCENDING)])u'date_-1_author_1'

查看查询语句的性能

>>> posts.find({"date": {"$lt": d}}).sort("author").explain()["cursor"]u'BtreeCursor date_-1_author_1'>>> posts.find({"date": {"$lt": d}}).sort("author").explain()["nscanned"]2

附自己总结的一点小心得，仅供参考

缺点

不是全盘取代传统数据库（NoSQLFan：是否能取代需要看应用场景）

不支持复杂事务（NoSQLFan：MongoDB只支持对单个文档的原子操作）

文档中的整个树，不易搜索，4MB限制？（NoSQLFan：1.8版本已经修改为16M）

特点（NoSQLFan：作者在这里列举的很多只是一些表层的特点）：

文档型数据库，表结构可以内嵌

没有模式，避免空字段开销（Schema Free）

分布式支持

查询支持正则

动态扩展架构

32位的版本最多只能存储2.5GB的数据（NoSQLFan：最大文件尺寸为2G，生产环境推荐64位）

名词对应

一个数据项叫做 Document（NoSQLFan：对应MySQL中的单条记录）

一个文档嵌入另一个文档（comment 嵌入 post）叫做 Embed

储存一系列文档的地方叫做 Collections（NoSQLFan：对应MySQL中的表）

表间关联，叫做 Reference

PyMongo基本使用：

引用PyMongo>>> import pymongo创建连接Connection>>> import pymongo>>> conn = pymongo.Connection('localhost',27017)或>>> from pymongo import Connection>>> conn = Connection('localhost',27017)

创建Connection时，指定host及port参数>>> import pymongo>>> conn = pymongo.Connection(host='127.0.0.1',port=27017)

连接数据库>>> db = conn.ChatRoom或>>> db = conn['ChatRoom']

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"})