本文是一個Python?使用MongoDB的簡單教程，將使用pymongo對MongoDB進行的各種操作進行了簡單的匯總，NoSQLFan進行了簡單整理，使用Python的同學可以看一看。

下載相應平臺的版本，解壓即可。為方便使用，將bin路徑添加到系統path環境變量里。其中mongod是服務器，mongo是客戶shell，然后創建數據文件目錄：在c盤下創建data文件夾，里面創建db文件夾。

基本使用：

安裝對應語言的Driver，Python 安裝 pymongo

$ easy_install pymongo

使用方法總結，摘自官方教程

創建連接

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

切換數據庫

>>> db = connection.test_database

獲取collection

>>> collection = db.test_collection

db和collection都是延時創建的，在添加Document時才真正創建

文檔添加，_id自動創建

>>> 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('...')]

獲取所有collection（相當于SQL的show tables）

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

獲取單個文檔

>>> 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']}

查詢多個文檔

>> 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'}

加條件的查詢

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

高級查詢

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

統計數量

>>> posts.count() 3

加索引

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

查看查詢語句的性能

>>> 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

附自己總結的一點小心得，僅供參考

缺點

• 不是全盤取代傳統數據庫（NoSQLFan：是否能取代需要看應用場景）
• 不支持復雜事務（NoSQLFan：MongoDB只支持對單個文檔的原子操作）
• 文檔中的整個樹，不易搜索，4MB限制？（NoSQLFan：1.8版本已經修改為16M）

特點（NoSQLFan：作者在這里列舉的很多只是一些表層的特點）：

• 文檔型數據庫，表結構可以內嵌
• 沒有模式，避免空字段開銷（Schema Free）
• 分布式支持
• 查詢支持正則
• 動態擴展架構
• 32位的版本最多只能存儲2.5GB的數據（NoSQLFan：最大文件尺寸為2G，生產環境推薦64位）

名詞對應

• 一個數據項叫做 Document（NoSQLFan：對應MySQL中的單條記錄）
• 一個文檔嵌入另一個文檔（comment 嵌入 post）叫做 Embed
• 儲存一系列文檔的地方叫做 Collections（NoSQLFan：對應MySQL中的表）
• 表間關聯，叫做 Reference

總結

以上是生活随笔為你收集整理的Python调用MongoDB使用心得的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。