一、配置和安装相应的环境
主要针对python脚本操作mongdb数据库，所以安装pymongo和mongodb库。
二、创建连接到mongodb数据库：
与PyMongo工作时，第一步是建立一个MongoClient到正在运行的mongod实例。
from pymongo import MongoClient
client = MongoClient('localhost', 27017)#比较常用
# client = MongoClient('mongodb://localhost:27017/')使用MongoDB的URI格式
创建常见的方式有两种：一种是连接到默认的主机端口；另外一种是指定主机和固定的端口，注意一般mongodb安装时默认的端口为：27017。
三、创建数据库
MongoDB中的单个实例可以支持多个独立的数据库。当PyMongo工作访问使用上MongoClient实例属性的风格访问数据库：例如创建一个test_database数据库。
db = client.test_database
# db = client['test-database']或者这种形式
#test_database数据库的名称
四、获取集合(getting a collection)
集合是一组存储在MongoDB中的文件，并且可以被认为是一个表，作为大致在关系数据库中的等效的。获得在PyMongo收集工作与获取数据库：
collection = db.test_collection
# collection = db['test-collection']或者这种形式
有关集合(和数据库)在MongoDB中一个重要的注意的是：当第一个文件被插入到他们集合和数据库时集合就被创建。
五、文件
MongoDB中的数据是使用JSON风格的文件代表（和存储）。在PyMongo我们用字典来代表文件。作为一个例子，下面的字典可能被用来代表一个博客帖子，下面以一个例子来说明文件的写入mongodb的过程：
文件的内如如下：
import datetime
post = {"author": "Mike",
..."text":"My first blog post!",
..."tags":["mongodb", "python", "pymongo"],
..."date":datetime.datetime.utcnow()}
Note：请注意，文档可以包含原生的Python类型（如datetime.datetime实例），这些类型的值会被自动在原生类型和BSON格式之间转换。
5.1文件的插入
若要将文档转换为集合，可以使用insert_one()函数进行：
>>> posts = db.posts
>>> post_id = posts.insert_one(post).inserted_id
>>> post_id
Out[5]: ObjectId('56556b3c9d00010b2f8909cf')
当一个文件被插入一个特殊的键，“_id”，自动添加如果文档没有包含一个“_id”键。“_id”的值必须在这个集合是唯一的。insert_one()返回InsertOneResult的一个实例。有关“_id”的更多信息，请参见_id的文档。
插入第一个文档后，该帖收集实际上已在服务器上创建。我们可以通过列出所有在我们的数据库中收集的验证这一点：
>>> db.collection_names(include_system_collections=False)
Out[6]: [u'posts']
5.2单个文档的获取find_one()
在MongoDB中，最基本的查询是find_one。这个方法返回一个符合查询的文件，或者在没有匹配的时候返回None。
当只有一个文件符合条件的时候，或者只对第一个符合条件的文件感兴趣的时候，这个方法是很有用的。
我们用find_one()来获取posts collection 里的第一个文件：
>>> posts.find_one()
{'date': datetime.datetime(2016, 9, 27, 3, 56, 26, 78000), 'author': 'Mike',
'_id': ObjectId('57e9edea77eddf223cde3314'), 'tags': ['mongodb', 'python', 'pymongo'],
'text': 'My first blog post!'}
返回结果是一个我们之前插入的符合条件的字典类型值。
注意，返回的文件里包含_id这个键值，这是自动添加的。
find_one()还支持对特定元素进行匹配的查询。限制我们文档的作者是"Mike",可以这么做：
>>> posts.find_one({"author":"Mike"})
{'date': datetime.datetime(2016, 9, 27, 3, 56, 26, 78000), 'author': 'Mike',
'_id': ObjectId('57e9edea77eddf223cde3314'), 'tags': ['mongodb', 'python', 'pymongo'],
'text': 'My first blog post!'}
如果我们用不同的作者，比如："Eliot",将不会得到结果。
>>> posts.find_one({"author":"Eliot"})
>>>
5.3 通过ObjectId查询
通过_id也可以进行查询，在例子中就是ObjectId:
>>> post_id
ObjectId('57eb54a877eddf292cbea0a8')
>>> posts.find_one({"_id": post_id})
{'date': datetime.datetime(2016, 9, 28, 5, 25, 53, 6000), 'author': 'Mike',
'_id': ObjectId('57eb54a877eddf292cbea0a8'), 'tags': ['mongodb', 'python'],
'text': 'My first blog post!'}
注意：ObjectId 并不等同于它的字符串形式。
>>> post_id_as_str = str(post_id)
>>> posts.find_one({"_id": post_id_as_str}) #No result
>>>
在web应用的一个常见任务就是在request的URL里获取ObjectId，然后找到与之匹配的文件。
在本例中，必须要先从字符串转换为ObjectId，然后传给find_one:
>>> from bson.objectid import ObjectId
#从URL里获取post_id，然后把它作为字符串传入
>>> def get(post_id):
#将字符串转换为ObjectId
document = client.db.collection.find_one({"_id": ObjectId(post_id)})
小插曲：
MongoDB以BSON格式保存数据。BSON字符串都是UTF-8编码的，所以pymongo必须确保它保存的字符串值
包含有效地UTF-8数据.常规字符串(<type ‘str’>)都是有效的，可以不改变直接保存。
Unicode字符串(<type ‘unicode’>)就需要先编码成UTF-8格式。
5.4 批量插入(Bulk Inserts)
为了让查询更有趣，我们多插入几个文件。除了单个文件插入，也可以通过给insert_many()方法传入一个列表(list)，作为该方法的第一个参数,进行批量插入操作。这将会插入列表(list)中的每个文件(document)到集合中去，而且只向server发送一条命令:
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)}]
>>> result = posts.insert_many(new_posts)
>>> result.inserted_ids
[ObjectId('57eb700b77eddf292cbea0a9'), ObjectId('57eb700b77eddf292cbea0aa')]
这个例子里有一些比较有趣的地方：
insert_many()现在返回两个ObjectId实例，每个代表一个插入的文件。
new_posts[1]与其他的posts内容格式不相同,里面没有"tags”。另外我们增加了一个新的“title”域。这就是MongoDB所提到的无schema特点。
5.5 多文档查询
为了得到更多的文件，我们使用find()方法。find()返回一个Cursor实例,可使我们遍历所有匹配的文件。
比如遍历每个posts collection里的文件:
>>> for post in posts.find():
post
与使用find_one()时候相同，可以传入一个文件来限制查询结果。比如查询作者"Mike" 文件：
>>> for post in posts.find({"author":"Mike"}):
post
5.6 范围查询
MongoDB的支持许多不同类型的高级查询。作为一个例子，执行我们结果限制的位置早于某个日期，也由作者对结果进行排序的查询：
d = datetime.datetime(2009, 11, 12, 12)
for post in posts.find({"date": {"$lt":d}}).sort("author"):
print post
结果：
{u'date': datetime.datetime(2009, 11, 10, 10, 45), u'text': u'andpretty easy too!', u'_id': ObjectId('565589029d00010c0ad19cd8'), u'author':u'Eliot', u'title': u'MongoDB is fun'}
{u'date': datetime.datetime(2009, 11, 12, 11, 14), u'text': u'Anotherpost', u'_id': ObjectId('565589029d00010c0ad19cd7'), u'author': u'Mike',u'tags': [u'bulk', u'insert']}
六、简单的统计
如果我们只是想知道有多少文件匹配，我们可以执行查询函数count()。得到所有集合中的文件的计数：
posts.count()
结果：
3
或者那些符合特定格式的文件：
posts.find({"author": "Mike"}).count()
结果：
2
七、删除文档
可以使用集合的remove()方法从集合中删除一个文档。remove方法和find、find_one一样，也可以使用一个字典参数来指定哪个文档需要被删除。比如，要删除所有"author"键的值为"Mike"的文档，输入：
>>>posts.remove({"author": "Mike"})
{u'n': 4, u'ok': 1}
>>>for nl in posts.find():
print nl
{u'date': datetime.datetime(2009, 11, 10, 10, 45), u'text': u'andpretty easy too!', u'_id': ObjectId('565589029d00010c0ad19cd8'), u'author':u'Eliot', u'title': u'MongoDB is fun'}
{u'date': datetime.datetime(2009, 11, 10, 10, 45), u'text': u'andpretty easy too!', u'_id': ObjectId('56559fb89d00010d55ba1d12'), u'author':u'Eliot', u'title': u'MongoDB is fun'}
八、案例解析
8.1 常见mongoDB函数的创建集成案例
8.2 将10条信息写入mongdb数据库的案例
