一。mongodb
mongodb是一个面向文档的数据库，而不是关系型数据库。不采用关系型是为了获得更好的扩展性。
它与mysql的区别在于它没有表连接，但是可以通过其他办法实现。
安装数据库。
上官网下载社区版，并且使用robt。
有错误参考博客https://www.cnblogs.com/TM0831/p/10606624.html
该数据库自带id，如果没有输入id就自动生成。
数据库相关操作：
#1、增
use config #如果数据库不存在，则创建数据库，否则切换到指定数据库。 #2、查
show dbs #查看所有
可以看到，我们刚创建的数据库config并不在数据库的列表中， 要显示它，我们需要向config数据库插入一些数据。
db.table1.insert({'a':1}) #3、删
use config #先切换到要删的库下
db.dropDatabase() #删除当前库
集合操作。
集合就是一个文档插入的时候，集合就被创建。相当于数据库中的表：
#1、增
当第一个文档插入时，集合就会被创建
> use database1
switched to db database1
> db.table1.insert({'a':1})
WriteResult({ "nInserted" : 1 })
> db.table2.insert({'b':2})
WriteResult({ "nInserted" : 1 }) #2、查
> show tables
table1
table2 #3、删
> db.table1.drop()
true
> show tables
table
3.文档操作。
文档相当于字段。阻断可以多插入，也可以单插入：
#1、没有指定_id则默认ObjectId,_id不能重复，且在插入后不可变 #2、插入单条
user0={
"name":"egon",
"age":10,
'hobbies':['music','read','dancing'],
'addr':{
'country':'China',
'city':'BJ'
}
} db.test.insert(user0)
db.test.find() #3、插入多条
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]) 单条插入与多条插入
数据库的查操作：
普通查询只需要使用find，加上一些关键符号即可：
# SQL：=,!=,>,<,>=,<=
# MongoDB：{key:value}代表什么等于什么,"$ne","$gt","$lt","gte","lte",其中"$ne"能用于所有数据类型 #1、select * from db1.user where name = "alex";
db.user.find({'name':'alex'}) #2、select * from db1.user where name != "alex";
db.user.find({'name':{"$ne":'alex'}}) #3、select * from db1.user where id > 2;
db.user.find({'_id':{'$gt':2}}) #4、select * from db1.user where id < 3;
db.user.find({'_id':{'$lt':3}}) #5、select * from db1.user where id >= 2;
db.user.find({"_id":{"$gte":2,}}) #6、select * from db1.user where id <= 2;
db.user.find({"_id":{"$lte":2}})
2.逻辑运算。
当一些数据中需要联合字段查询的时候，就需要使用$or,$not,$mod等。
mod代表模第一个数，等于第二个数的数据。
# SQL：and，or，not
# MongoDB：字典中逗号分隔的多个条件是and关系，"$or"的条件放到[]内,"$not" #1、select * from db1.user where id >= 2 and id < 4;
db.user.find({'_id':{"$gte":2,"$lt":4}}) #2、select * from db1.user where id >= 2 and age < 40;
db.user.find({"_id":{"$gte":2},"age":{"$lt":40}}) #3、select * from db1.user where id >= 5 or name = "alex";
db.user.find({
"$or":[
{'_id':{"$gte":5}},
{"name":"alex"}
]
}) #4、select * from db1.user where id % 2=1;
db.user.find({'_id':{"$mod":[2,1]}}) #5、上题，取反
db.user.find({'_id':{"$not":{"$mod":[2,1]}}})
3.成员运算。
成员运算就是某些字段中的数据包括这个集合都遍历出来。
# SQL：in，not in
# MongoDB："$in","$nin" #1、select * from db1.user where age in (20,30,31);
db.user.find({"age":{"$in":[20,30,31]}}) #2、select * from db1.user where name not in ('alex','yuanhao');
db.user.find({"name":{"$nin":['alex','yuanhao']}})
4.正则匹配
使用正则匹配字段：
# SQL: regexp 正则
# MongoDB: /正则表达/i #1、select * from db1.user where name regexp '^j.*?(g|n)$';
db.user.find({'name':/^j.*?(g|n)$/i})
5.取出指定字段：
#1、select name,age from db1.user where id=3;
db.user.find({'_id':3},{'_id':0,'name':1,'age':1})
6.查询数组
当有些字段是数组或者字段时，使用下面方法：
#1、查看有dancing爱好的人
db.user.find({'hobbies':'dancing'}) #2、查看既有dancing爱好又有tea爱好的人
db.user.find({
'hobbies':{
"$all":['dancing','tea']
}
}) #3、查看第4个爱好为tea的人
db.user.find({"hobbies.3":'tea'}) #4、查看所有人最后两个爱好
db.user.find({},{'hobbies':{"$slice":-2},"age":0,"_id":0,"name":0,"addr":0}) #5、查看所有人的第2个到第3个爱好
db.user.find({},{'hobbies':{"$slice":[1,2]},"age":0,"_id":0,"name":0,"addr":0}) > db.blog.find().pretty()
{
"_id" : 1,
"name" : "alex意外死亡的真相",
"comments" : [
{
"name" : "egon",
"content" : "alex是谁？？？",
"thumb" : 200
},
{
"name" : "wxx",
"content" : "我去，真的假的",
"thumb" : 300
},
{
"name" : "yxx",
"content" : "吃喝嫖赌抽，欠下两个亿",
"thumb" : 40
},
{
"name" : "egon",
"content" : "xxx",
"thumb" : 0
}
]
}
db.blog.find({},{'comments':{"$slice":-2}}).pretty() #查询最后两个
db.blog.find({},{'comments':{"$slice":[1,2]}}).pretty() #查询1到2
7.排序
# 排序:--1代表升序，-1代表降序
db.user.find().sort({"name":1,})
db.user.find().sort({"age":-1,'_id':1})
8.分页：
# 分页:--limit代表取多少个document，skip代表跳过前多少个document。
db.user.find().sort({'age':1}).limit(1).skip(2)
9.获取数量（计数）
# 获取数量
db.user.count({'age':{"$gt":30}}) --或者
db.user.find({'age':{"$gt":30}}).count()
10.使用null作为值查询
#1、{'key':null} 匹配key的值为null或者没有这个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 }
#2、查找所有
db.user.find() #等同于db.user.find({})
db.user.find().pretty()
#3、查找一个，与find用法一致，只是只取匹配成功的第一个
db.user.findOne({"_id":{"$gt":3}})修改。
修改分为覆盖式和不覆盖式的。
update() 方法用于更新已存在的文档。语法格式如下：
db.collection.update(
<query>,
<update>,
{
upsert: <boolean>,
multi: <boolean>,
writeConcern: <document>
}
)
参数说明：对比update db1.t1 set name='EGON',sex='Male' where name='egon' and age=18; query : 相当于where条件。
update : update的对象和一些更新的操作符（如$,$inc...等，相当于set后面的
upsert : 可选，默认为false，代表如果不存在update的记录不更新也不插入，设置为true代表插入。
multi : 可选，默认为false，代表只更新找到的第一条记录，设为true,代表更新找到的全部记录。
writeConcern :可选，抛出异常的级别。 更新操作是不可分割的：若两个更新同时发送，先到达服务器的先执行，然后执行另外一个，不会破坏文档。
#注意：除非是删除，否则_id是始终不会变的
#1、覆盖式:
db.user.update({'age':20},{"name":"Wxx","hobbies_count":3})
是用{"_id":2,"name":"Wxx","hobbies_count":3}覆盖原来的记录 #2、一种最简单的更新就是用一个新的文档完全替换匹配的文档。这适用于大规模式迁移的情况。例如
var obj=db.user.findOne({"_id":2}) obj.username=obj.name+'SB'
obj.hobbies_count++
delete obj.age db.user.update({"_id":2},obj)
覆盖式
设置set的值可以非覆盖地修改数据：
#设置：$set 通常文档只会有一部分需要更新。可以使用原子性的更新修改器，指定对文档中的某些字段进行更新。
更新修改器是种特殊的键，用来指定复杂的更新操作，比如修改、增加后者删除 #1、update db1.user set name="WXX" where id = 2
db.user.update({'_id':2},{"$set":{"name":"WXX",}}) #2、没有匹配成功则新增一条{"upsert":true}
db.user.update({'_id':6},{"$set":{"name":"egon","age":18}},{"upsert":true}) #3、默认只改匹配成功的第一条,{"multi":改多条}
db.user.update({'_id':{"$gt":4}},{"$set":{"age":28}})
db.user.update({'_id':{"$gt":4}},{"$set":{"age":38}},{"multi":true}) #4、修改内嵌文档，把名字为alex的人所在的地址国家改成Japan
db.user.update({'name':"alex"},{"$set":{"addr.country":"Japan"}}) #5、把名字为alex的人的地2个爱好改成piao
db.user.update({'name':"alex"},{"$set":{"hobbies.1":"piao"}}) #6、删除alex的爱好,$unset
db.user.update({'name':"alex"},{"$unset":{"hobbies":""}})
使用inc可以讲数据增加和减少值：
#增加和减少：$inc #1、所有人年龄增加一岁
db.user.update({},
{
"$inc":{"age":1}
},
{
"multi":true
}
)
#2、所有人年龄减少5岁
db.user.update({},
{
"$inc":{"age":-5}
},
{
"multi":true
}
)
在字段中 的数组中也可以添加或删除一些数据：
#添加删除数组内元素 往数组内添加元素:$push
#1、为名字为yuanhao的人添加一个爱好read
db.user.update({"name":"yuanhao"},{"$push":{"hobbies":"read"}}) #2、为名字为yuanhao的人一次添加多个爱好tea，dancing
db.user.update({"name":"yuanhao"},{"$push":{
"hobbies":{"$each":["tea","dancing"]}
}}) 按照位置且只能从开头或结尾删除元素：$pop
#3、{"$pop":{"key":1}} 从数组末尾删除一个元素 db.user.update({"name":"yuanhao"},{"$pop":{
"hobbies":1}
}) #4、{"$pop":{"key":-1}} 从头部删除
db.user.update({"name":"yuanhao"},{"$pop":{
"hobbies":-1}
}) #5、按照条件删除元素,："$pull" 把符合条件的统统删掉，而$pop只能从两端删
db.user.update({'addr.country':"China"},{"$pull":{
"hobbies":"read"}
},
{
"multi":true
}
)
使用addToset可以避免重复添加：
db.urls.insert({"_id":1,"urls":[]})
db.urls.update({"_id":1},{"$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'
]
}
}
}
)添加一个数组的最后几个数据slice
#1、了解：限制大小"$slice"，只留最后n个
db.user.update({"_id":5},{
"$push":{"hobbies":{
"$each":["read",'music','dancing'],
"$slice":-2
}
}
})
#2、了解：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,
"$sort":-1
}
}
})
#注意：不能只将"$slice"或者"$sort"与"$push"配合使用，且必须使用"$eah"删除操作：
#1、删除多个中的第一个
db.user.deleteOne({ 'age': 8 }) #2、删除国家为China的全部
db.user.deleteMany( {'addr.country': 'China'} ) #3、删除全部
db.user.deleteMany({})
聚合函数的使用
准备数据
筛选：$match
投射：$project
分组：$group
排序：sort、限制：sort、限制：limit、跳过：$skip
随机选取n个：$sample
pymongo的使用
首先需要下载：
pip install pymongo
使用方法和mysql差不多
#用python操作mongodb
from pymongo import MongoClient #1、链接
# client=MongoClient('mongodb://root:123@localhost:27017/')
client = MongoClient('localhost', 27017) #2、use 数据库
# db=client['db2'] #等同于：client.db1
db=client.test #3、查看库下所有的集合
# print(db.collection_names(include_system_collections=False))#4、创建集合
table_user=db['table1'] #等同于：db.user
# table1=db.table1
# #5、插入文档
# import datetime
# user0={
# "_id":1,
# "name":"egon",
# "birth":datetime.datetime.now(),
# "age":10,
# 'hobbies':['music','read','dancing'],
# 'addr':{
# 'country':'China',
# 'city':'BJ'
# }
# }
#
# user1={
# "_id":2,
# "name":"alex",
# "birth":datetime.datetime.now(),
# "age":10,
# 'hobbies':['music','read','dancing'],
# 'addr':{
# 'country':'China',
# 'city':'weifang'
# }
# }
# res=table_user.insert_many([user0,user1])
# res=table_user.insert_many
# print(res)
# print(table_user.count()) #6、查找 # from pprint import pprint#格式化细
# pprint(table_user.find_one())
# for item in table_user.find():
# pprint(item) print(table_user.find_one({"_id":{"$gte":1},"name":'egon'}))
table_user.find() #7、更新
table_user.update({'_id':1},{'name':'EGON'}) #8、传入新的文档替换旧的文档
table_user.save(
{
"_id":2,
"name":'egon_xxx'
}
)
二。scrapy框架
运行流程。
1.spiders获取request对象进行爬取，爬取到的信息转交个引擎engine。
2.引擎拿到数据发送个中转站scheduier进行判断数据。
3.讲数据发送个对应的模块，request请求发送给下载，item发送存储。
4.下载到资源的数据经过引擎返回到spiders进行展示。
5.将下载的数据通过item保存。
项目架构分析：
-scrapy
-安装
-pip3 install scrapy
-先装Twisted
-装pywin32
-新建项目
-scrapy startproject 项目名字
-新建爬虫
-scrapy genspider 爬虫名 爬取的域名
-项目目录介绍
-spiders
-所有的爬虫程序
-items.py
-类似于django的model类
-middlewares.py
-中间件
-pipelines.py
-持久化相关
-settings.py
-配置文件
-scrapy.cfg
-部署相关
-运行爬虫
-scrapy crawl cnblogs --nolog -爬取数据 //*[@id="post_list"]/div[1]
这个项目的入口就是：
def start_requests(self):
cls = self.__class__
if method_is_overridden(cls, Spider, 'make_requests_from_url'):
warnings.warn(
"Spider.make_requests_from_url method is deprecated; it "
"won't be called in future Scrapy releases. Please "
"override Spider.start_requests method instead (see %s.%s)." % (
cls.__module__, cls.__name__
),
)
for url in self.start_urls:
yield self.make_requests_from_url(url)
else:
for url in self.start_urls:
yield Request(url, dont_filter=True)
不断循环的从函数parse中获取request请求，并返回个各个模块。
示例：
# -*- coding: utf-8 -*-
import scrapy
from scrapy import Request class CnblogsSpider(scrapy.Spider):
name = 'cnblogs'
allowed_domains = ['cnblogs.com']
start_urls = ['http://cnblogs.com/'] def parse_detail(self,response):
print(len(response.text)) def parse(self,response):
print(response.text)
div_list = response.css('.post_item')
for i in div_list:
url = i.css('.post_item_body a::attr(href)').extract_first()
print(url)
yield Request(url,callback=self.parse_detail)
next_url = response.css('.pager a:last-child::attr(href)').extract_first()
print('https://www.cnblogs.com' + next_url)
yield Request('https://www.cnblogs.com' + next_url)
准备数据
筛选：$match
投射：$project
分组：$group
排序：sort、限制：sort、限制：limit、跳过：$skip
随机选取n个：$sample