设为首页 | 收藏本站
您的位置:黄色十八岁勿看-狼人一区二区-荔枝app下载安装黄 > 黄色十八岁勿看 >

一文带你搞懂爬虫储存数据库MongoDB


点击:172 作者:黄色十八岁勿看-狼人一区二区-荔枝app下载安装黄 日期:2021-10-07 00:43:16

Hello,大家好。我是吴老板。

前言

MongoDB 是非关系型数据库的代表,一款基于键值储存的高性能数据库。常作为爬虫储存数据库。

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。

参考资料:

https://www.runoob.com/mongodb/mongodb-tutorial.html

连接 MongoDB

格式: mongodb://username:password@host:port/database

mongodb://:固定的连接头,必须要指定。 username:password:用户名密码验证,如果密码为空可不填 host:指定host, URI 是唯一必填项。它指定了要连接服务器的地址。 port:指定端口,如果不填,默认为 27017 database:若不指定,默认打开 test 数据库。 创建数据库、集合 尝试创建数据库 地下交通站

我们使用中文命名我们的第一个数据库

> use 地下交通站 switched to db 地下交通站 > db 地下交通站 

如果该数据库已存在则会切换到此库,如果没有,则创建。

查看数据库列表
> show dbs admin   0.000GB config  0.000GB local   0.000GB 

在 MongoDB中,数据库必须要有数据才能在列表中看到它,这一点和其他数据库还是有很大的不同,我们将在稍后尝试插入数据。

尝试创建集合 Quotations
> db.createCollection("Quotations") { "ok" : 1 } 

这样一个集合就创建成功了。

查看 数据库地下交通站 中的所有集合

> show collections Quotations 

删库就更简单了,跑路才难 !!

删除一个数据库
> use 地下交通站 switched to db 地下交通站  > db.dropDatabase() { "dropped" : "地下交通站", "ok" : 1 } 

这样一个MongoDB数据库就没了。

删除一个集合
> use 地下交通站 switched to db 地下交通站 > db.Quotations.drop()  # 删除集合 

这样数据库地下交通站 中的Quotations集合就没了 !

插入文档

MongoDB 是一个面向文档存储的数据库,操作起来比较简单和容易。

MongoDB 中一条数据被视为一个文档,而一个表则被称为一个集合(Collection)。

db.collection.insertOne() 用于向集合插入一个新文档(单个json对象)

db.collection.insertMany() 用于向集合插入一个多个文档(json对象列表)

尝试插入一条数据

在数据库地下交通站中的Quotations 集合中插入一条数据

> use 地下交通站 switched to db 地下交通站  > db.Quotations.insert({    name: '贾贵',    description: '老子在这欠的饭钱够你吃二年的',    createDate: '2021-04-15'  }) WriteResult({ "nInserted" : 1 }) 

查看已插入文档记录

> db.Quotations.find({}) { "_id" : ObjectId("6078e9743252cc07e092d204"), "name" : "贾贵", "description" : "老子在这欠的饭钱够你吃二年的", "createDate" : "2021-04-15" } 

可以看到 MongoDB 集合自动帮我们生成了 _id 字段用于唯一索引 !!

尝试插入多条数据
> db.Quotations.insertMany([          {name: '黄金标',description: '这秤砣也TM炖熟了',createDate: '2021-04-15'},          {name: '贾贵',description: '我捂着脑袋捂着脸撅着屁股就跟他打起来了',createDate: '2021-04-16'},          {name: '黑藤',description: '你说我他么是谁,我他么是黑藤',createDate: '2021-04-16'},          {name: '孙友福',description: '没有水就没有鱼,没有你就没有驴',createDate: '2021-04-17'}      ]) 
> db.Quotations.find({}) { "_id" : ObjectId("6078e9743252cc07e092d204"), "name" : "贾贵", "description" : "老子在这欠的饭钱够你吃二年的", "createDate" : "2021-04-15" } { "_id" : ObjectId("6078ebd395708b77ad7a8bd8"), "name" : "黄金标", "description" : "这秤砣也TM炖熟了", "createDate" : "2021-04-15" } { "_id" : ObjectId("6078ebd395708b77ad7a8bd9"), "name" : "贾贵", "description" : "我捂着脑袋捂着脸撅着屁股就跟他打起来了", "createDate" : "2021-04-16" } { "_id" : ObjectId("6078ebd395708b77ad7a8bda"), "name" : "黑藤", "description" : "你说我他么是谁,我他么是黑藤", "createDate" : "2021-04-16" } { "_id" : ObjectId("6078ebd395708b77ad7a8bdb"), "name" : "孙友福", "description" : "没有水就没有鱼,没有你就没有驴", "createDate" : "2021-04-17" } 
更新文档 尝试更新 name 字段(单条文档)
> db.Quotations.update({'name':'黑藤'},{$set:{name: '黑藤',description: '天下汉奸一般蠢',createDate: '2021-04-16'}}) 

更改生效

> db.Quotations.find({})                                                                                 1-04-16'}}) { "_id" : ObjectId("6078e9743252cc07e092d204"), "name" : "贾贵", "description" : "老子在这欠的饭钱够你吃二年的", "createDate" : "2021-04-15" } { "_id" : ObjectId("6078ebd395708b77ad7a8bd8"), "name" : "黄金标", "description" : "这秤砣也TM炖熟了", "createDate" : "2021-04-15" } { "_id" : ObjectId("6078ebd395708b77ad7a8bd9"), "name" : "贾贵", "description" : "我捂着脑袋捂着脸撅着屁股就跟他打起来了", "createDate" : "2021-04-16" } { "_id" : ObjectId("6078ebd395708b77ad7a8bda"), "name" : "黑藤", "description" : "天下汉奸一般蠢", "createDate" : "2021-04-16" } { "_id" : ObjectId("6078ebd395708b77ad7a8bdb"), "name" : "孙友福", "description" : "没有水就没有鱼,没有你就没有驴", "createDate" : "2021-04-17" } 
尝试更新所有文档
> db.Quotations.update({'name':'贾贵'},{$set: {name: '贾贵',description: '这我哪知道呀!我知道她长的嘿!',createDate: '2021-04-16'}},{multi:true}) 
> db.Quotations.find({})                                                                                      { "_id" : ObjectId("6078e9743252cc07e092d204"), "name" : "贾贵", "description" : "这我哪知道呀!我知道她长的嘿!", "createDate" : "2021-04-16" } { "_id" : ObjectId("6078ebd395708b77ad7a8bd8"), "name" : "黄金标", "description" : "这秤砣也TM炖熟了", "createDate" : "2021-04-15" } { "_id" : ObjectId("6078ebd395708b77ad7a8bd9"), "name" : "贾贵", "description" : "这我哪知道呀!我知道她长的嘿!", "createDate" : "2021-04-16" } { "_id" : ObjectId("6078ebd395708b77ad7a8bda"), "name" : "黑藤", "description" : "天下汉奸一般蠢", "createDate" : "2021-04-16" } { "_id" : ObjectId("6078ebd395708b77ad7a8bdb"), "name" : "孙友福", "description" : "没有水就没有鱼,没有你就没有驴", "createDate" : "2021-04-17" } 

这里我们将 multi 参数设置成 True,意味着将更新所有匹配查询条件的文档

发现所有name 为贾贵的语录都改变了。

不存在则新增

设置 upsert 参数为True, 更新不存在则新增。

> db.Quotations.update({'name':'濑川'},{$set:{ 'name' : '濑川', 'description' : '去东关,捣乱的干活'}},{upsert:true}) 
> db.Quotations.find({})                                              { "_id" : ObjectId("6078e9743252cc07e092d204"), "name" : "贾贵", "description" : "这我哪知道呀!我知道她长的嘿!", "createDate" : "2021-04-16" } { "_id" : ObjectId("6078ebd395708b77ad7a8bd8"), "name" : "黄金标", "description" : "这秤砣也TM炖熟了", "createDate" : "2021-04-15" } { "_id" : ObjectId("6078ebd395708b77ad7a8bd9"), "name" : "贾贵", "description" : "这我哪知道呀!我知道她长的嘿!", "createDate" : "2021-04-16" } { "_id" : ObjectId("6078ebd395708b77ad7a8bda"), "name" : "黑藤", "description" : "天下汉奸一般蠢", "createDate" : "2021-04-16" } { "_id" : ObjectId("6078ebd395708b77ad7a8bdb"), "name" : "孙友福", "description" : "没有水就没有鱼,没有你就没有驴", "createDate" : "2021-04-17" } { "_id" : ObjectId("6078ee01249a48b5bb83b936"), "name" : "濑川", "description" : "去东关,捣乱的干活" } 

发现新增了一条 name 为 濑川 的文档记录

与此同时, 我建议 使用 update_one 方法更新单个文档, 使用 update_many 方法更新多个文档。

删除文档 删除匹配查询条件的所有文档
> db.Quotations.remove({'name':'贾贵'}) WriteResult({ "nRemoved" : 2 }) 
> db.Quotations.find({})     { "_id" : ObjectId("6078ebd395708b77ad7a8bd8"), "name" : "黄金标", "description" : "这秤砣也TM炖熟了", "createDate" : "2021-04-15" } { "_id" : ObjectId("6078ebd395708b77ad7a8bda"), "name" : "黑藤", "description" : "天下汉奸一般蠢", "createDate" : "2021-04-16" } { "_id" : ObjectId("6078ebd395708b77ad7a8bdb"), "name" : "孙友福", "description" : "没有水就没有鱼,没有你就没有驴", "createDate" : "2021-04-17" } { "_id" : ObjectId("6078ee01249a48b5bb83b936"), "name" : "濑川", "description" : "去东关,捣乱的干活" } 

这样就把 name 为 贾贵的所有文档记录全都干掉了。

删除集合中所有文档
> db.Quotations.remove({}) 

{} 表示无条件,默认移除全部文档,等价于删除此集合。

查询文档

MongoDB 查询数据的通用语法

db.collection.find(query, projection) 
条件查询

指定非 _id 字段 查询

> use 地下交通站 switched to db 地下交通站 > db.Quotations.find({},{'_id':0}) { "name" : "黑藤", "description" : "天下汉奸一般蠢", "createDate" : "2021-04-16" } { "name" : "孙友福", "description" : "没有水就没有鱼,没有你就没有驴", "createDate" : "2021-04-17" } { "name" : "濑川", "description" : "去东关,捣乱的干活" } { "name" : "黄金标", "createDate" : "2021-04-26", "description" : "刘副官你记住了,让皇军先尿。" } { "name" : "贾贵", "createDate" : "2021-04-18", "description" : "我啐他一脸狗屎" } { "name" : "黄金标", "createDate" : "2021-04-26", "description" : "刘副官你记住了,让皇军先尿。" } 

为了美化输出,可以使用 pretty() 方法,此方法对 sql 事务不起到任何意义

db.Quotations.find({},{'_id':0}).pretty() 
AND 查询

查询 [ name 为 黄金标 ] 并且 [ createDate 为 2021-04-26 ] 的所有文档记录

> db.Quotations.find({"name":"黄金标", "createDate":"2021-04-26"}) { "_id" : ObjectId("6078f0e31e12a856cf9525da"), "name" : "黄金标", "createDate" : "2021-04-26", "description" : "刘副官你记住了,让皇军先尿。" } { "_id" : ObjectId("6078f2091e12a856cf9525dd"), "name" : "黄金标", "createDate" : "2021-04-26", "description" : "刘副官你记住了,让皇军先尿。" } 
OR 查询

查询 [ name 为 贾贵 ] 或者 [ description 为 天下汉奸一般蠢 ] 的所有文档记录

> db.Quotations.find({$or:[{"name":"贾贵"},{"description": "天下汉奸一般蠢"}]}) { "_id" : ObjectId("6078ebd395708b77ad7a8bda"), "name" : "黑藤", "description" : "天下汉奸一般蠢", "createDate" : "2021-04-16" } { "_id" : ObjectId("6078f2091e12a856cf9525dc"), "name" : "贾贵", "createDate" : "2021-04-18", "description" : "我啐他一脸狗屎" } 

可以看到在这里 OR 查询使用了显式操作($or 后接条件列表), OR操作一定是显式的,不存在隐式的OR操作。

而上面的 AND查询 操作是不是可以尝试也写成 显式操作

> db.Quotations.find({$and:[{"name":"黄金标"},{"createDate": "2021-04-26"}]}) { "_id" : ObjectId("6078f0e31e12a856cf9525da"), "name" : "黄金标", "createDate" : "2021-04-26", "description" : "刘副官你记住了,让皇军先尿。" } { "_id" : ObjectId("6078f2091e12a856cf9525dd"), "name" : "黄金标", "createDate" : "2021-04-26", "description" : "刘副官你记住了,让皇军先尿。" } 

发现也是可以的 !!

AND 和 OR 联合使用

查询 [ createDate 为 2021-04-18 ] 并且 [ [ name 为 贾贵 ] 或者 [ description 为 天下汉奸一般蠢 ] ] 的所有文档记录

伪sql语句表述为:

where createDate='2021-04-18' AND (name = '贾贵' OR description = '天下汉奸一般蠢') 
> db.Quotations.find({"createDate": "2021-04-18", $or: [{"name": "贾贵"},{"description": "天下汉奸一般蠢"}]}) { "_id" : ObjectId("6078f2091e12a856cf9525dc"), "name" : "贾贵", "createDate" : "2021-04-18", "description" : "我啐他一脸狗屎" } 
高级查询 范围查询、正则查询 $lt 小于 $gt 大于 $lte 小于等于 $gte 大于等于 $ne 不等于 $in 在范围内 $nin 不在范围内

查询创建时间 大于 2021-04-17 的所有文档记录

> db.Quotations.find({"createDate" : {$gt : "2021-04-17"}}) { "_id" : ObjectId("6078f0e31e12a856cf9525da"), "name" : "黄金标", "createDate" : "2021-04-26", "description" : "刘副官你记住了,让皇军先尿。" } { "_id" : ObjectId("6078f2091e12a856cf9525dc"), "name" : "贾贵", "createDate" : "2021-04-18", "description" : "我啐他一脸狗屎" } { "_id" : ObjectId("6078f2091e12a856cf9525dd"), "name" : "黄金标", "createDate" : "2021-04-26", "description" : "刘副官你记住了,让皇军先尿。" } 

查询 [ name 不等于 黄金标 ] 并且 [ createDate 小于 2021-04-26 ] 的所有文档记录

> db.Quotations.find({"name" : {$ne : "黄金标"},"createDate":{$lt : "2021-04-26"}}) { "_id" : ObjectId("6078ebd395708b77ad7a8bda"), "name" : "黑藤", "description" : "天下汉奸一般蠢", "createDate" : "2021-04-16" } { "_id" : ObjectId("6078ebd395708b77ad7a8bdb"), "name" : "孙友福", "description" : "没有水就没有鱼,没有你就没有驴", "createDate" : "2021-04-17" } { "_id" : ObjectId("6078f2091e12a856cf9525dc"), "name" : "贾贵", "createDate" : "2021-04-18", "description" : "我啐他一脸狗屎" } 

查询 [ name 包含 黄金标、贾贵 ] 并且 [ createDate 大于 2021-04-02 ] 的所有文档记录

> db.Quotations.find({"name" : {$in : ["黄金标","贾贵"]},"createDate":{$gt : "2021-04-02"}}) { "_id" : ObjectId("6078f0e31e12a856cf9525da"), "name" : "黄金标", "createDate" : "2021-04-26", "description" : "刘副官你记住了,让皇军先尿。" } { "_id" : ObjectId("6078f2091e12a856cf9525dc"), "name" : "贾贵", "createDate" : "2021-04-18", "description" : "我啐他一脸狗屎" } { "_id" : ObjectId("6078f2091e12a856cf9525dd"), "name" : "黄金标", "createDate" : "2021-04-26", "description" : "刘副官你记住了,让皇军先尿。" } 
$regex 匹配正则 $exists 属性是否存在 $type 类型判断 $mod 数字模操作 $text 文本查询 $where 高级条件查询

利用正则语句匹配 name 中带有 金标 的所有文档

> db.Quotations.find({"name":{"$regex":"金标"}}) { "_id" : ObjectId("6078f0e31e12a856cf9525da"), "name" : "黄金标", "createDate" : "2021-04-26", "description" : "刘副官你记住了,让皇军先尿。" } { "_id" : ObjectId("6078f2091e12a856cf9525dd"), "name" : "黄金标", "createDate" : "2021-04-26", "description" : "刘副官你记住了,让皇军先尿。" } 

利用正则语句匹配 以 我 开头的 description 的所有文档

> db.Quotations.find({"description":{"$regex":"^我"}}) { "_id" : ObjectId("6078f2091e12a856cf9525dc"), "name" : "贾贵", "createDate" : "2021-04-18", "description" : "我啐他一脸狗屎" } 

利用正则语句匹配 以 我 开头、以 屎 结尾 description 的所有文档

> db.Quotations.find({"description":{"$regex":"^我.*屎$"}}) { "_id" : ObjectId("6078f2091e12a856cf9525dc"), "name" : "贾贵", "createDate" : "2021-04-18", "description" : "我啐他一脸狗屎" } 

更多高级查询用法各位读者请参考 MongoDB 官方文档

聚合函数 排序

在 MongoDB 中使用 sort() 方法对数据进行排序,sort() 方法可以通过参数指定排序的字段, 并使用 1 和 -1 来指定排序的方式, 其中 1 为升序排列,而 -1 是用于降序排列。

我们总是喜欢用时间维度来排序集合中的文档

> db.Quotations.find({},{"_id":0}).sort({"createDate":-1}) { "name" : "黄金标", "createDate" : "2021-04-26", "description" : "刘副官你记住了,让皇军先尿。" } { "name" : "黄金标", "createDate" : "2021-04-26", "description" : "刘副官你记住了,让皇军先尿。" } { "name" : "贾贵", "createDate" : "2021-04-18", "description" : "我啐他一脸狗屎" } { "name" : "孙友福", "description" : "没有水就没有鱼,没有你就没有驴", "createDate" : "2021-04-17" } { "name" : "黑藤", "description" : "天下汉奸一般蠢", "createDate" : "2021-04-16" } { "name" : "濑川", "description" : "去东关,捣乱的干活" } 
分组
db.Quotations.aggregate({$group:{_id:{name:"$name"}}}) 

根据 name 和 description 字段进行分组

db.Quotations.aggregate({     $group:{         _id:{name:"$name",description:"$description"} }}) 

由于我们现有集合文档的字段中并没有可计算的数值

我们尝试添加一个集合字段并先赋值为空

db.Quotations.update({},{$set:{"forceValue": ""}},{multi:true}) 

添加随机值

db.Quotations.update({"name":"黑藤"},{$set:{"forceValue": Math.random()*100}},{multi:true}) db.Quotations.update({"name":"孙友福"},{$set:{"forceValue": Math.random()*100}},{multi:true}) db.Quotations.update({"name":"濑川"},{$set:{"forceValue": Math.random()*100}},{multi:true}) db.Quotations.update({"name":"黄金标"},{$set:{"forceValue": Math.random()*100}},{multi:true}) db.Quotations.update({"name":"贾贵"},{$set:{"forceValue": Math.random()*100}},{multi:true}) 

结果如下

{ "name" : "黑藤", "description" : "天下汉奸一般蠢", "createDate" : "2021-04-16", "forceValue" : 14.796604243632927 } { "name" : "孙友福", "description" : "没有水就没有鱼,没有你就没有驴", "createDate" : "2021-04-17", "forceValue" : 43.71427504449847 } { "name" : "濑川", "description" : "去东关,捣乱的干活", "forceValue" : 41.53502198761502 } { "name" : "黄金标", "createDate" : "2021-04-26", "description" : "刘副官你记住了,让皇军先尿。", "forceValue" : 21.887495918176125 } { "name" : "贾贵", "createDate" : "2021-04-18", "description" : "我啐他一脸狗屎", "forceValue" : 94.18697675337746 } 

由于要用到分组,我们需要多添加几条文档数据

db.Quotations.insertMany([          {name: '黄金标',description: '我黄某人为官一任就得保一方平安',forceValue:Math.random()*100,createDate: '2021-04-11'},          {name: '贾贵',description: '皇军没来的时候,你欺负我,皇军来了你还欺负我,那皇军不是TM白来了吗',forceValue:Math.random()*100,createDate: '2021-04-14'},          {name: '黑藤',description: '全东亚乃至全亚洲都找不到第二张想你这么一张空前绝后的脸来',forceValue:Math.random()*100,createDate: '2021-04-22'},          {name: '贾贵',description: '这我哪知道啊,我就知道她长得嘿',forceValue:Math.random()*100, createDate: '2021-04-19'}      ]) 
分组使用聚合函数

常用聚合函数

$sum $avg $max $min $first $last

根据 name 分组并使用 $sum 函数求和,得到一下结果

$match 查询条件 $group 根据字段分组(可以是多字段) + 聚合函数
> db.Quotations.aggregate( ...     {"$match":{"createDate":{"$gt":"2021-04-07"}}}, ...     {"$group":{"_id":"$name",'forceValue':{"$sum":"$forceValue"}}}, ... ) { "_id" : "贾贵", "forceValue" : 204.22774268609504 } { "_id" : "黄金标", "forceValue" : 121.14812944012357 } { "_id" : "黑藤", "forceValue" : 91.2583132098972 } { "_id" : "孙友福", "forceValue" : 43.71427504449847 } 

这相当于在 Mysql 中执行

select id,sum(forceValue) from Quotations where createDate > "2021-04-07" group by name;   

$avg 求平均

> db.Quotations.aggregate( ...     {"$match":{"createDate":{"$gt":"2021-04-07"}}}, ...     {"$group":{"_id":"$name",'forceValue':{"$avg":"$forceValue"}}}, ... ) { "_id" : "贾贵", "forceValue" : 68.07591422869835 } { "_id" : "黄金标", "forceValue" : 60.574064720061784 } { "_id" : "黑藤", "forceValue" : 45.6291566049486 } { "_id" : "孙友福", "forceValue" : 43.71427504449847 } 
多字段分组

根据 createDate + name 进行分组之后求和

> db.Quotations.aggregate( ... ...     {"$match":{"createDate":{"$gt":"2021-04-07"}}}, ... ...     {"$group":{"_id":{"createDate":"$createDate","name":"$name"},'forceValue':{"$sum":"$forceValue"}}}, ... ... ) { "_id" : { "createDate" : "2021-04-11", "name" : "黄金标" }, "forceValue" : 99.26063352194744 } { "_id" : { "createDate" : "2021-04-16", "name" : "黑藤" }, "forceValue" : 14.796604243632927 } { "_id" : { "createDate" : "2021-04-17", "name" : "孙友福" }, "forceValue" : 43.71427504449847 } { "_id" : { "createDate" : "2021-04-18", "name" : "贾贵" }, "forceValue" : 94.18697675337746 } { "_id" : { "createDate" : "2021-04-26", "name" : "黄金标" }, "forceValue" : 21.887495918176125 } { "_id" : { "createDate" : "2021-04-14", "name" : "贾贵" }, "forceValue" : 81.9931941785778 } { "_id" : { "createDate" : "2021-04-22", "name" : "黑藤" }, "forceValue" : 76.46170896626427 } { "_id" : { "createDate" : "2021-04-19", "name" : "贾贵" }, "forceValue" : 28.04757175413979 } 

我不能再继续写下去了,MongoDB 的基础入门就介绍到这里 🍺

更多教程请参考 MongoDB官方文档

结束语

我是吴老板,以上就是我们这次的干货分享了。最后重申下:

MongoDB 是非关系型数据库的代表,一款基于键值储存的高性能数据库。常作为爬虫储存数据库。

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。

【编辑推荐】

鸿蒙官方战略合作共建——HarmonyOS技术社区 为了让你上网更爽,路由器这些年都经历了啥 六个应该避免的IT管理陷阱 Java 8 失宠!开发人员向 Java 11 转移... 这5款软件工具,让你的工作效率翻倍提升 惊喜!新的Windows 10 21H2版正式发布,推出三个新功能
友情链接