本文共 3171 字，大约阅读时间需要 10 分钟。

要想在python中使用mongodb,必须安装相应的python驱动包，可以自动下载，也可以到python驱动包的官网下载

官网地址：http://pypi.python.org/pypi/pymongo/

下面文章转自：http://blog.nosqlfan.com/html/2989.html

本文是一个 使用的简单教程，将使用对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。

基本使用：

安装对应语言的Driver，Python 安装 pymongo

$ easy_install pymongo

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
• 传统的关系数据库一般由数据库（database）、表（table）、记录（record）三个层次概念组成，MongoDB是由（database）、集合（collection）、文档对象（document）三个层次组成。MongoDB对于关系型数据库里的表，但是集合中没有列、行和关系概念，这体现了模式自由的特点。

来源链接已经404了～暂无法附来源。

转载地址：http://mvxci.baihongyu.com/