爬虫与Python：（四）爬虫进阶二之数据存储（数据库存储）——6.MongoDB存储

MongoDB是由C++ 语言编写的，它是一个基于分布式文件存储的开源数据库系统。在高负载的情况下，添加更多的节点，开源保证服务器的性能。MongoDB旨在为Web服务器提供可扩展性的存储解决方案。它将数据存储为一个文档，数据由键值（key => value）组成。MongoDB文档类似于JSON对象。字段值开源包含其他文档、数组及文档数组。

基于这些优势，所以经常在爬虫中涉及数据保存到MongoDB中，以便数据清洗。要确保已安装MongoDB。安装教程详见：https://www.cnblogs.com/luyj00436/p/15514788.html。

安装驱动

在Python中，要连接和使用mongoDB,就需要MongDB驱动，这里使用PyMongoDB驱动来连接。用户可以使用pip命令来安装。

python3 -m pip3 install pymongo

安装完成后，创建一个测试文件demo_test_mongodb.py。执行以下代码，如果没有出现错误，则表示安装成功。

import pymongo

1. 创建数据库

创建数据库需要使用MongoClient对象，并且指定连接的URL地址和数据库名称。在以下示例中，创建数据test_db。

import pymongo

# 创建数据库
myclient = pymongo.MongoClient("mongodb://localhost:27017")
mydb = myclient["test_db"]

2. 创建集合

MongoDB的集合类似SQL 的表。MongoDB使用数据库来创建集合，示例代码如下：

import pymongo

# 创建集合
myclient = pymongo.MongoClient("mongodb://localhost:27017")
mydb = myclient["test_db"]
mycol = mydb["site"]    # 创建集合

在MongoDB中，集合只有自内容插入后才会创建。也就是说，创建集合（数据表）后要再插入一个文档（记录），集合才会真正的创建。

3. 插入文档

MongoDB中的一个文档类似SQL表中的一条记录。在集合中插入文档使用insert_one()方法，该方法的第一个参数是字典name=>value对。以下示例向sites集合中插入文档。

import pymongo

# 插入文档
myclient = pymongo.MongoClient("mongodb://localhost:27017")
mydb = myclient["test_db"]
mycol = mydb["site"]    # 创建集合

mydict = {"name":"张三", "age":23 , "gender":"男"}
x = mycol.insert_one(mydict)
print(x)

运行后控制台会输出：

4. 插入多个文档

在集合中插入多个文档适用insert_many()方法，该方法的第一参数是字典列表，示例代码如下：

import pymongo

# 插入多个文档
myclient = pymongo.MongoClient("mongodb://localhost:27017")
mydb = myclient["test_db"]
mycol = mydb["site"]    # 创建集合

mylist =[
    {"name":"张三","age":23,"gender":"男"},
    {"name":"李四","age":23,"gender":"男"},
    {"name":"张三","age":23,"gender":"男"},
    {"name":"张三","age":23,"gender":"男"},
]
x = mycol.insert_many(mylist)
# 输入插入的所有文档对应的id值
print(x.inserted_ids)

运行后控制台输出：

5.  查询文档

MongoDB使用了find和find_one方法来查询集合中的数据，它类似SQL中的SELECT语句。用户可以使用find_one()方法来查询集合中的一条数据，下面查询sites文档中的一条数据，代码如下：

import pymongo

# 查询单个文档
myclient = pymongo.MongoClient("mongodb://localhost:27017")
mydb = myclient["test_db"]
mycol = mydb["site"]

x = mycol.find_one()
print(x)

运行后，控制台会输出当前值：

{'_id': ObjectId('6185268a346c50e66086702c'), 'name': '张三', 'age': 23, 'gender': '男'}

6. 查询集合中所有数据

find()方法可以查询集合中所有数据，类似于SQL中的SELECT * 操作。以下示例代码查找sites集合中的所有数据。

import pymongo

# 查询集合中所有数据
myclient = pymongo.MongoClient("mongodb://localhost:27017")
mydb = myclient["test_db"]
mycol = mydb["site"]

for x in mycol.find():
    print(x)

7.修改数据

用户可以在MongoDB中使用update_one()方法修改文档中的记录。该方法第一个参数为查询的条件，第二个参数为要修改的字段。如果查找到的匹配数据多于一条，则会修改第一条。

import pymongo

# 修改第一条name等于张三的属性为age为20
myclient = pymongo.MongoClient("mongodb://localhost:27017")
mydb = myclient["test_db"]
mycol = mydb["site"]

myquery={"name":"张三"}
newvalues = {"$set":{"age":20}}
mycol.update_one(myquery , newvalues)

for x in mycol.find():
    print(x)