1.爬蟲的數據存儲 能夠放到mysql ,mysql 是關係型數據庫 ,是基於硬盤存儲的 當併發量太大時,mysql 可能沒法支撐, 須要將數據庫設計爲分佈式 mysql固然也支持分佈式,可是分佈式不是mysql的強項 反觀MongoDB,它從一開始設計時就是奔着分佈式去的,只須要簡單的配置就能實現高效的分佈式存儲 被大量應用於大數據領域 2.MongoDB是一款基於C++編寫的分佈式非關係型數據庫 noSQL:Not only SQL 3.Mongodb與redis數據庫的區別 MongoDB是最像關係型數據庫的非關係型數據庫,更加適用於大數據. redis則更加傾向於較小的數據,但性能更高一點 4.爲何爬蟲須要使用MongoDB? 由於一些爬蟲程序要爬取的數據很是多,簡單的儲存系統已經沒法知足需求了
若是報錯2502或2503 一、以管理員身份運行cmd命令 (Win + X, A) 2.在該安裝包所正的目錄下輸入:msiexec /package + 安裝包名 進行安裝 安裝過程當中出現 出現service MongoDB failed to start,verify that you have sufficient privileges to start system services 錯誤 刪除bin文件夾中mongod.cfg文件下#snmp: 後面的內容 而後進入services.msc找到MongoDB Server,右鍵屬性登陸選擇本地系統登陸,而後Retry 便可 此時MongoDB已經開啓,瀏覽器訪問http://localhost:27017/,頁面上輸出: It looks like you are trying to access MongoDB over HTTP on the native driver port. 說明MongoDB已經啓動了,且它的默認端口(27017)沒有被佔用。
MongoDB mysql 數據庫 數據庫 集合 表 文檔(相似字典) 記錄 鍵值對 字段 #注意:MongoDB中區分大小寫 注意事項: 須要注意的是: #一、文檔中的鍵/值對是有序的。 #二、文檔中的值不只能夠是在雙引號裏面的字符串,還能夠是其餘幾種數據類型(甚至能夠是整個嵌入的文檔)。 #三、MongoDB區分類型和大小寫。 #四、MongoDB的文檔不能有重複的鍵。 #五、文檔中的值能夠是多種不一樣的數據類型,也能夠是一個完整的內嵌文檔。文檔的鍵是字符串。除了少數例外狀況,鍵可使用任意UTF-8字符。 文檔鍵命名規範: #一、鍵不能含有\0 (空字符)。這個字符用來表示鍵的結尾。 #二、.和$有特別的意義,只有在特定環境下才能使用。 #三、如下劃線"_"開頭的鍵是保留的(不是嚴格要求的)。
將bin文件夾加入環境變量
在cmd 下輸入mongo,看見歡迎信息說明登陸成功
此時沒有任何的權限限制,默認是管理員角色
#一、建立帳號 use admin db.createUser( { user: "root", pwd: "123", roles: [ { role: "root", db: "admin" } ] #角色:root是管理員角色,對admin有操做權限 } ) use test1 db.createUser( { user: "henry", pwd: "123", roles: [ { role: "readWrite", db: "test1" }, #readwrite是可讀可寫角色 { role: "read", db: "test2" } ] #read是隻讀角色 } ) key都是固定的不能隨便寫,每個key都有特殊含義 在mongodb中用不一樣的數據庫來區分權限,建立管理員帳戶在admin下建立! db 是一個全局變量 表示當前數據庫 db.createUser()是調用一個內部函數用於建立用戶 每一個帳號能夠具有多個角色 注意:建立管理員帳戶在admin下建立. 往其餘數據建立用戶,須要在admin登陸狀態下,進入該數據庫進行建立 admin能夠操做庫,集合,文檔的增刪改查 若是使用其餘數據庫登陸,只能按照本身規定的數據庫的角色進行操做
爲了安全咱們須要在配置文件中設置密碼 1.配置文件 bin下的mongod.cfg文檔 2.找到文檔中的#security: (用來進行安全配置) security: authorization: enabled # 注意縮進
重啓MongoDB Server服務,啓用認證!
#直接mongo進入程序 已經沒法查看數據庫 show dbs #登陸方式1: authenticationDatabase指定數據庫 mongo --port 27017 -u "root" -p "123" --authenticationDatabase "admin" #登陸方式2: 進入mongo後 use admin db.auth("root","123") #1 表示登錄成功 進入mongo後 use test1 db.auth("henry","123") #刪除帳號 注意:只有在admin下登陸進入用戶註冊的數據庫才能刪除用戶帳號 db.dropUser('用戶名'); #修改密碼 db.changeUserPassword(用戶名, 新密碼); #查看幫助信息 db.help
#建立數據庫: use 數據庫名稱 #若是有則切換沒有則建立新的 # 查看數據庫: show dbs #注意show dbs 有數據的庫顯示沒有數據的庫不顯示 #刪除 db.dropDatabase() #注意區分大小寫
css
進入指定數據庫 #建立集合: db.user #查看集合: show collections show tables # 一樣的數據集合中沒有數據則 不會顯示 #如下數據之間沒有任何關係僅僅是名字有相同部分 數據之間的關係須要應用程序維護 db.blog db.blog.user #(創建了一個叫blog.user的集合) db.blog.common #刪除集合:若是集合中沒有文檔,刪除的話會返回false,有文檔刪除纔是true db.blog.user.drop() db.user.drop()
#一、沒有指定_id 則會默認生成_id值爲ObjectId,_id不能重複,且在插入後不可變. #MngoDB的語法就是js的語法 因此 json支持的數據類型 MongoDB都支持 #二、插入單條 user={ "name":"egon", "age":10, 'hobbies':['music','read','dancing'], 'addr':{ 'country':'China', 'city':'BJ' } } db.test.insert(user) # 若是id已經存在則覆蓋,不然插入 db.test.save({"_id":10,"name":"henry"}) #三、插入多條 user1={ "_id":1, "name":"alex", "age":10, 'hobbies':['music','read','dancing'], 'addr':{ 'country':'China', 'city':'weifang' } } user2={ "_id":2, "name":"wupeiqi", "age":20, 'hobbies':['music','read','run'], 'addr':{ 'country':'China', 'city':'hebei' } } user3={ "_id":3, "name":"yuanhao", "age":30, 'hobbies':['music','drink'], 'addr':{ 'country':'China', 'city':'heibei' } } user4={ "_id":4, "name":"jingliyang", "age":40, 'hobbies':['music','read','dancing','tea'], 'addr':{ 'country':'China', 'city':'BJ' } } user5={ "_id":5, "name":"jinxin", "age":50, 'hobbies':['music','read',], 'addr':{ 'country':'China', 'city':'henan' } } db.user.insertMany([user1,user2,user3,user4,user5])
find 查找全部匹配數據 findOne 查找第一個匹配的 db.user.find().pretty() # 格式化查詢結果 =============================比較運算============================= # SQL:=,!=,>,<,>=,<= # MongoDB:{key:value}表明什麼等於什麼,"$ne","$gt","$lt","gte","lte",其中"$ne"能用於全部數據類型 #一、select * from db1.user where name = "cxx"; db.user.find({'name':'cxx'}) #二、select * from db1.user where name != "cxx"; db.user.find({'name':{"$ne":'cxx'}}) #三、select * from db1.user where id > 2; db.user.find({'_id':{'$gt':2}}) #四、select * from db1.user where id < 3; db.user.find({'_id':{'$lt':3}}) #五、select * from db1.user where id >= 2; db.user.find({"_id":{"$gte":2,}}) #六、select * from db1.user where id <= 2; db.user.find({"_id":{"$lte":2}}) =============================邏輯運算============================= # SQL:and,or,not # MongoDB:字典中逗號分隔的多個條件是and關係,"$or"的條件放到[]內,"$not" #一、select * from db1.user where id >= 2 and id < 4; db.user.find({'_id':{"$gte":2,"$lt":4}}) #二、select * from db1.user where id >= 2 and age < 40; db.user.find({"_id":{"$gte":2},"age":{"$lt":40}}) #三、select * from db1.user where id >= 5 or name = "cxx"; db.user.find({ "$or":[ {'_id':{"$gte":5}}, {"name":"cxx"} ] }) #四、select * from db1.user where id % 2=1; #id爲奇數的數據 db.user.find({'_id':{"$mod":[2,1]}}) #五、上題,取反 db.user.find({'_id':{"$not":{"$mod":[2,1]}}}) =============================成員運算============================= # SQL:in,not in # MongoDB:"$in","$nin" #一、select * from db1.user where age in (20,30,31); db.user.find({"age":{"$in":[20,30,31]}}) #二、select * from db1.user where name not in ('alex','yuanhao'); db.user.find({"name":{"$nin":['alex','yuanhao']}}) =============================查詢指定字段============================= db.user.find({'_id':3},{'_id':0,'name':1,'age':1}) #{ "name" : "yuanhao", "age" : 30 } db.user.find({'_id':3},{'name':1,'age':1}) #{ "_id" : 3, "name" : "yuanhao", "age" : 30 } 0表示不顯示,1爲顯示 id默認爲1 其他字段默認爲0 =============================正則匹配============================= # SQL: regexp 正則 # MongoDB: /正則表達/i i忽略大小寫 #一、select * from db1.user where name regexp '^j.*?(g|n)$'; db.user.find({'name':/^j.*?(g|n)$/i}) =============================查詢數組============================= #一、查看有dancing愛好的人 db.user.find({'hobbies':'dancing'}) #二、查看既有dancing愛好又有tea愛好的人 db.user.find({ 'hobbies':{ "$all":['dancing','tea'] } }) #三、查看第4個愛好爲tea的人 db.user.find({"hobbies.3":'tea'}) #四、查看全部人最後兩個愛好 db.user.find({},{'hobbies':{"$slice":-2},"age":0,"_id":0,"name":0,"addr":0}) #五、查看全部人的第2個到第3個愛好 {"$slice":[1,2]}從索引1開始取兩個值 db.user.find({},{'hobbies':{"$slice":[1,2]},"age":0,"_id":0,"name":0,"addr":0}) ===============================其餘=============================== # 排序:1表明升序,-1表明降序 db.user.find().sort({"name":1,}) db.user.find().sort({"age":-1,'_id':1}) db.user.find().sort({"_id":1,'age':-1}) #先以第一個key爲依據排列,第一個相同再按照第二個排列 # 分頁:limit表明取多少個document,skip表明跳過前多少個document。 db.user.find().sort({'age':1}).limit(1).skip(2) # 獲取數量 db.user.count({'age':{"$gt":30}}) db.user.find({'age':{"$gt":30}}).count() #一、{'key':null} 匹配key的值爲null或者沒有這個key db.t2.insert({'a':10,'b':111}) db.t2.insert({'a':20}) db.t2.insert({'b':null}) > db.t2.find({"b":null}) { "_id" : ObjectId("5a5cc2a7c1b4645aad959e5a"), "a" : 20 } { "_id" : ObjectId("5a5cc2a8c1b4645aad959e5b"), "b" : null } #二、查找全部 db.user.find() #等同於db.user.find({}) #三、查找一個,與find用法一致,只是只取匹配成功的第一個 db.user.findOne({"_id":{"$gt":3}})
======================================update========================================== update() 方法用於更新已存在的文檔。語法格式以下: db.collection.update( <query>, <update>, { upsert: <boolean>, multi: <boolean>, writeConcern: <document> } ) 參數說明:對比update db1.t1 set name='EGON',sex='Male' where name='egon' and age=18; query : 至關於where條件。 update : update的對象和一些更新的操做符(如$,$inc...等,至關於set後面的 upsert : 可選,默認爲false,表明若是不存在update的記錄不更新也不插入,設置爲true表明插入。 multi : 可選,默認爲false,表明只更新找到的第一條記錄,設爲true,表明更新找到的所有記錄。 writeConcern :可選,拋出異常的級別。 更新操做是不可分割的:若兩個更新同時發送,先到達服務器的先執行,而後執行另一個,不會破壞文檔。 =========================================覆蓋式========================================= #注意:除非是刪除,不然_id是始終不會變的 #覆蓋式: db.user.update({'age':20},{"name":"Wxx","hobbies_count":3}) 是用{"_id":2,"name":"Wxx","hobbies_count":3}覆蓋原來的記錄 =====================================設置:$set========================================= 一般文檔只會有一部分須要更新。可使用原子性的更新修改器,指定對文檔中的某些字段進行更新。 更新修改器是種特殊的鍵,用來指定複雜的更新操做,好比修改、增長後者刪除 #一、update db1.user set name="WXX" where id = 2 db.user.update({'_id':2},{"$set":{"name":"WXX"}}) #二、沒有匹配成功則新增一條{"upsert":true} db.user.update({'_id':6},{"$set":{"name":"egon","age":18}},{"upsert":true}) #三、默認只改匹配成功的第一條,{"multi":改多條} db.user.update({'_id':{"$gt":4}},{"$set":{"age":28}}) db.user.update({'_id':{"$gt":4}},{"$set":{"age":38}},{"multi":true}) #四、修改內嵌文檔,把名字爲alex的人所在的地址國家改爲Japan db.user.update({'name':"alex"},{"$set":{"addr.country":"Japan"}}) #五、把名字爲alex的人的地2個愛好改爲piao db.user.update({'name':"alex"},{"$set":{"hobbies.1":"piao"}}) #六、刪除alex的愛好,$unset db.user.update({'name':"alex"},{"$unset":{"hobbies":""}}) =============================增長和減小$inc===================================== #一、全部人年齡增長一歲 db.user.update({}, { "$inc":{"age":1} }, { "multi":true } ) #二、全部人年齡減小5歲 db.user.update({}, { "$inc":{"age":-5} }, { "multi":true } ) ===============================添加刪除數組元素================================== 往數組內添加元素:$push #一、爲名字爲yuanhao的人添加一個愛好read db.user.update({"name":"yuanhao"},{"$push":{"hobbies":"read"}}) #二、爲名字爲yuanhao的人一次添加多個愛好tea,dancing db.user.update({"name":"yuanhao"},{"$push":{ "hobbies":{"$each":["tea","dancing"]} }}) 按照位置且只能從開頭或結尾刪除元素:$pop #三、{"$pop":{"key":1}} 從數組末尾刪除一個元素 db.user.update({"name":"yuanhao"},{"$pop":{ "hobbies":1} }) #四、{"$pop":{"key":-1}} 從頭部刪除 db.user.update({"name":"yuanhao"},{"$pop":{ "hobbies":-1} }) #五、按照條件刪除元素,:"$pull" 把符合條件的通通刪掉,而$pop只能從兩端刪 db.user.update({'addr.country':"China"},{"$pull":{ "hobbies":"read"} }, { "multi":true } ) =====================================避免添加劇復:$addToSet=========================== #自動去除重複 db.urls.insert({"_id":1,"urls":[]}) db.urls.update({"_id":1},{"$addToSet":{"urls":'http://www.baidu.com'}}) db.urls.update({"_id":1},{"$addToSet":{"urls":'http://www.baidu.com'}}) db.urls.update({"_id":1},{"$addToSet":{"urls":'http://www.baidu.com'}}) db.urls.update({"_id":1},{ "$addToSet":{ "urls":{ "$each":[ 'http://www.baidu.com', 'http://www.baidu.com', 'http://www.xxxx.com' ] } } } ) =====================================其餘======================================== #一、瞭解:限制大小"$slice",只留最後n個 db.user.update({"_id":5},{ "$push":{"hobbies":{ "$each":["read",'music','dancing'], "$slice":-2 } } }) #二、瞭解:排序The $sort element value must be either 1 or -1" db.user.update({"_id":5},{ "$push":{"hobbies":{ "$each":["read",'music','dancing'], "$slice":-1, "$sort":-1 } } }) #slice 把以前的值所有刪掉 再切割出指定的數據 加入列表 #注意:不能只將"$slice"或者"$sort"與"$push"配合使用,且必須使用"$each"
#一、刪除多箇中的第一個 db.user.deleteOne({ 'age': 8 }) #二、刪除國家爲China的所有 db.user.deleteMany( {'addr.country': 'China'} ) #三、刪除所有 db.user.deleteMany({})
安裝:Robo 3T
from pymongo import MongoClient #一、連接 client=MongoClient('mongodb://root:123@localhost:27017/') # client = MongoClient('localhost', 27017) # db = client["admin"] # db.authenticate("root","123") #二、use 數據庫 db=client['db1'] #等同於:client.db1 #三、查看庫下全部的集合 print(db.collection_names(include_system_collections=False)) #四、建立集合 table_user = db['user'] #等同於:db.user #五、插入文檔 table_user.insert({"_id":30,"name":"wade"}) #六、查找 print(table_user.find_one()) for item in table_user.find(): print(item) print(table_user.find_one({"_id":{"$gte":1},"name":'egon'})) #七、更新 table_user.update({'_id':1},{"$set":{'name':'EGON'}}) #八、傳入新的文檔替換舊的文檔 table_user.save( { "_id":2, "name":'egon_xxx' } ) #9.刪除數據 table_user.delete_one({"name":"wade"})
#插入一組數據 from pymongo import MongoClient import datetime client=MongoClient('mongodb://root:123@localhost:27017') table=client['db1']['emp'] l=[ ('張飛','male',18,'20170301','teacher',7300.33,401,1), #如下是教學部 ('張雲','male',78,'20150302','teacher',1000000.31,401,1), ('劉備','male',81,'20130305','teacher',8300,401,1), ('關羽','male',73,'20140701','teacher',3500,401,1), ('曹操','male',28,'20121101','teacher',2100,401,1), ('諸葛亮','female',18,'20110211','teacher',9000,401,1), ('周瑜','male',18,'19000301','teacher',30000,401,1), ('司馬懿','male',48,'20101111','teacher',10000,401,1), ('袁紹','female',48,'20150311','sale',3000.13,402,2),#如下是銷售部門 ('張全蛋','female',38,'20101101','sale',2000.35,402,2), ('鵪鶉蛋','female',18,'20110312','sale',1000.37,402,2), ('王尼瑪','female',18,'20160513','sale',3000.29,402,2), ('我尼瑪','female',28,'20170127','sale',4000.33,402,2), ('楊過','male',28,'20160311','operation',10000.13,403,3), #如下是運營部門 ('小龍女','male',18,'19970312','operation',20000,403,3), ('郭靖','female',18,'20130311','operation',19000,403,3), ('黃蓉','male',18,'20150411','operation',18000,403,3), ('梅超風','female',18,'20140512','operation',17000,403,3) ] for n,item in enumerate(l): d={ "_id":n, 'name':item[0], 'sex':item[1], 'age':item[2], 'hire_date':datetime.datetime.strptime(item[3],'%Y%m%d'), 'post':item[4], 'salary':item[5] } table.save(d)
#爬取數據 from selenium.webdriver import Chrome from urllib.parse import urlencode import time from MongoDB.爬取京東 import DBTool driver = Chrome() #https://search.jd.com/Search?keyword=%E6%9D%9C%E8%95%BE%E6%96%AF&enc=utf-8&wq=%E6%9D%9C%E8%95%BE%E6%96%AF&page=3 #使用 urlencode 傳入指點key-value字典形式,返回值能夠直接完成路徑拼接 kw = input("搜索:").strip() num = int(input("要獲取幾頁數據:").strip()) def get_all_datas(i,kw): par = {"keyword":kw,"enc":"utf-8","wq":kw,"page":i} kw = urlencode(par) url = "https://search.jd.com/Search?" + kw driver.get(url) #隱式等待 driver.implicitly_wait(10) #執行js代碼獲取頁面總高度 height = driver.execute_script("return document.body.clientHeight") #執行js代碼滑動頁面.完成頁面的加載 driver.execute_script(""" window.scrollTo({ top : %s, behavior:"smooth" });""" % height) #獲取商品列表 def get_items(): #獲取包裹商品的大標籤 ul = driver.find_element_by_class_name("gl-warp") #獲取商品列表 items = ul.find_elements_by_class_name("gl-item") #判斷數據是否所有加載完畢 if len(items) == 60: return items #沒有加載完畢回調函數,直到該頁面的數據所有加載完畢 return get_items() #調用獲取函數獲取數據 items = get_items() #解析商品列表.獲得所需數據 for i in items: link = i.find_element_by_css_selector(".p-img a").get_attribute("href") img = i.find_element_by_css_selector(".p-img a img").get_attribute("src") if not img: img = i.find_element_by_css_selector(".p-img a img").get_attribute("data-lazy-img") img = "https:" + img price = i.find_element_by_css_selector(".p-price i").text title = i.find_element_by_css_selector(".p-name a em").text shop_name = i.find_element_by_css_selector(".p-shop a").text commit = i.find_element_by_css_selector(".p-commit strong").text dic = {"link":link,"img":img,"price":price,"title":title,"shop_name":shop_name,"commit":commit} #將數據存放到MongoDB中去 DBTool.insert_data(dic) for i in range(num): i = 2*i+1 get_all_datas(i,kw) time.sleep(30) #關閉瀏覽器 driver.close() #關閉mongoDB數據庫鏈接 DBTool.close() #DBTool """ 鏈接數據庫 保存數據 """ from pymongo import MongoClient table = None c = None #鏈接服務 def connect_service(): global table,c c = MongoClient("mongodb://root:123@127.0.0.1:27017") table = c["jd"]["jd_data"] #插入數據 def insert_data(data): if not table: connect_service() table.insert(data) #關閉鏈接 def close(): c.close()