前言
本文主要给大家介绍的是关于在Python3使用PyMongo的方法，分享出来供大家参考学习，下面话不多说了，来一起看看详细介绍：
MongoDB存储
在这里我们来看一下Python3下MongoDB的存储操作，在本节开始之前请确保你已经安装好了MongoDB并启动了其服务，另外安装好了Python的PyMongo库。
没有安装的朋友们可以参考：https://www.jianshu.com/p/c6eac5b9224e
本人对于Python学习创建了一个小小的学习圈子，为各位提供了一个平台，大家一起来讨论学习Python。欢迎各位到来Python学习群：960410445一起讨论视频分享学习。Python是未来的发展方向，正在挑战我们的分析能力及对世界的认知方式，因此，我们与时俱进，迎接变化，并不断的成长，掌握Python核心技术，才是掌握真正的价值所在。
连接MongoDB
连接MongoDB我们需要使用PyMongo库里面的MongoClient，一般来说传入MongoDB的IP及端口即可，第一个参数为地址host，第二个参数为端口port，端口如果不传默认是27017。
这样我们就可以创建一个MongoDB的连接对象了。
另外MongoClient的第一个参数host还可以直接传MongoDB的连接字符串，以mongodb开头，例如：
client = MongoClient('mongodb://localhost:27017/')
可以达到同样的连接效果。
指定数据库
MongoDB中还分为一个个数据库，我们接下来的一步就是指定要操作哪个数据库，在这里我以test数据库为例进行说明，所以下一步我们需要在程序中指定要使用的数据库。
db =client.test
调用client的test属性即可返回test数据库，当然也可以这样来指定：
db =client['test']
两种方式是等价的。
指定集合
MongoDB的每个数据库又包含了许多集合Collection，也就类似与关系型数据库中的表，下一步我们需要指定要操作的集合，在这里我们指定一个集合名称为students，学生集合。还是和指定数据库类似，指定集合也有两种方式。
collection =db.students
collection =db['students']
插入数据
接下来我们便可以进行数据插入了，对于students这个Collection，我们新建一条学生数据，以字典的形式表示：
在这里我们指定了学生的学号、姓名、年龄和性别，然后接下来直接调用collection的insert()方法即可插入数据。
在MongoDB中，每条数据其实都有一个_id属性来唯一标识，如果没有显式指明_id，MongoDB会自动产生一个ObjectId类型的_id属性。insert()方法会在执行后返回的_id值。
运行结果：
5932a68615c2606814c91f3d
当然我们也可以同时插入多条数据，只需要以列表形式传递即可，示例如下：
返回的结果是对应的_id的集合，运行结果：
[ObjectId('5932a80115c2606a59e8a048'), ObjectId('5932a80115c2606a59e8a049')]
实际上在PyMongo 3.X版本中，insert()方法官方已经不推荐使用了，当然继续使用也没有什么问题，官方推荐使用insert_one()和insert_many()方法将插入单条和多条记录分开。
运行结果：
<pymongo.results.InsertOneResultobject at 0x10d68b558>
5932ab0f15c2606f0c1cf6c5
返回结果和insert()方法不同，这次返回的是InsertOneResult对象，我们可以调用其inserted_id属性获取_id。
对于insert_many()方法，我们可以将数据以列表形式传递即可，示例如下：
insert_many()方法返回的类型是InsertManyResult，调用inserted_ids属性可以获取插入数据的_id列表，运行结果：
查询
插入数据后我们可以利用find_one()或find()方法进行查询，find_one()查询得到是单个结果，find()则返回多个结果。
在这里我们查询name为Mike的数据，它的返回结果是字典类型，运行结果：
可以发现它多了一个_id属性，这就是MongoDB在插入的过程中自动添加的。
我们也可以直接根据ObjectId来查询，这里需要使用bson库里面的ObjectId。
其查询结果依然是字典类型，运行结果：
{'_id': ObjectId('593278c115c2602667ec6bae'), 'id': '20170101', 'name': 'Jordan', 'age': 20, 'gender': 'male'}
当然如果查询结果不存在则会返回None。
对于多条数据的查询，我们可以使用find()方法，例如在这里查找年龄为20的数据，示例如下：
运行结果：
返回结果是Cursor类型，相当于一个生成器，我们需要遍历取到所有的结果，每一个结果都是字典类型。
如果要查询年龄大于20的数据，则写法如下：
results =collection.find({'age': {'$gt': 20}})
在这里查询的条件键值已经不是单纯的数字了，而是一个字典，其键名为比较符号$gt，意思是大于，键值为20，这样便可以查询出所有年龄大于20的数据。
在这里将比较符号归纳如下表：
另外还可以进行正则匹配查询，例如查询名字以M开头的学生数据，示例如下：
results =collection.find({'name': {'$regex': '^M.*'}})
在这里使用了$regex来指定正则匹配，^M.*代表以M开头的正则表达式，这样就可以查询所有符合该正则的结果。
在这里将一些功能符号再归类如下：
