• • MongoDB的一些高级语法
    • AND 和 OR操作
      • AND操作
      • OR操作
    • 嵌入式文档
      • 插入
      • 查询
    • 数组（Array）字段
      • 插入
      • 查询
    • 聚合（Aggregation）
      • 筛选数据
      • 修改字段
  • 注意事项
    • 包括现有字段
    • 取消_id字段
    • 排除字段
    • 分组操作
      • 去重
      • 分组操作运算
      • 拆分数组
    • 联集合查询
    • 参考资料

 

MongoDB的一些高级语法

在前面的博客中，我们了解一些Mongodb中最基础的用法，只介绍了简单的增删查改，在这篇博客中，我将介绍一下稍微复杂一点的语法。

AND 和 OR操作

AND操作

在前面的博客中，我们介绍了查找命令，其中可以指令多个查询条件，当所有条件都符合时，就可以查询到数据。那么，如果我们只想只要有一个条件符合，就返回想要的数据，那么我们应该怎么做呢？

db.getCollection('test_data_1').find({"字段1":"固定值1","字段2":"固定值2"})

在上面的命令中，实际上是一个隐式的AND,因为需要同时满足。但是又没有出现AND这个关键词，所以被称为“隐式AND操作”。下面，就让我们来将隐式转为显式，只需要使用“$and”即可。

db.getCollection('test_data_1').find(
    {
    	"$and":[
        	{"字段1":"固定值1"},
        	{"字段2":"固定值2"}
    	]
    }
)

OR操作

or操作就是为了查询只符合其中任一条件的数据。命令语法和显式的AND操作一样。

db.getCollection('test_data_1').find(
    {
    	"$or":[
        	{"字段1":"固定值1"},
        	{"字段2":"固定值2"}
    	]
    }
)

其中，我们需要知道，尽管存在隐式的AND操作，但是，对于OR操作来说，不存在隐式的OR操作。 同时or操作时会遵循一个"短路原则":只要前面的条件满足了，那后面的条件直接跳过（类似编程中的||）。

嵌入式文档

下面便是一个嵌入式文档的例子：

我们可以看到在studyInfo中，还有着score和project。其中，studyInfo被称为嵌入式文档，studyInfo下面的字段被称为嵌套字段

 

 

 

插入

下面是一个插入语句的示例。

db.getCollection('test_data_1').insertOne(
{
    "age":18,
    "adress":"Hunan",
    "studyInfo":{
        "score":59,
        "project":"LOL"
        }
    }
)

查询

查询语句

如果我们需要根据嵌入式文档中的嵌套字段的条件去查询，那么下面这样使用就行了。如果嵌套字段里面还有嵌入式文档，一路点点点过去就行了。

db.getCollection('test_data_1').find(
    {
    	"studyInfo.score":59
    },
    
    // 不返回studyInfo.score
    {
    	"studyInfo.score":0
    }
)

数组（Array）字段

插入

在下面中，like字段保存的就是一个数组，所以我们使用**[]**将"apple","orange","fruit"括起来。

db.getCollection('test_data_1').insertOne(
{
    "name":"Array",
    "like":["apple","orange","fruit"]
}
)	

使用Robo3T可视化工具查看，显示如下：

 

1566638722008

 

查询

其中，like的类型为Array。但是如果我们查询的时候需要根据like中某个值作为筛选目标的时候，我们怎么办呢？我们无需进行其他任何操作（和以前的查询一模一样）。例如查询所有喜欢orange的人：

db.getCollection('test_data_1').find({"like":"orange"})

也就是说它的查询与以前没有任何区别。但是，既然是数组，总有一定其他的操作，例如查询字段数组为长度的记录：

db.getCollection('test_data_1').find({"like":{"$size":3}})

上面是查询like字段的数组长度为3的记录。

注意：“$size”只能查询某一个具体长度的数组，而不能查询范围，如果进行范围查询的话，会报错：

 

 

 

当然，既然有数组，那么必然会有索引，在mongodb中，数组的第一个元素的索引为0，和大部分的编程的情况是一样的。

我们可以通过“字段名.索引”来定位元素。例如查询：

db.getCollection('test_data_1').find(
    {
       "like.0":"apple"
        }
)

聚合（Aggregation）

聚合的功能很简单，就是让Mongodb来处理数据，然后返回被处理好的数据。

聚合的操作命令是“aggregation”，基本格式是:

db.getCollection('test_data_1').aggregation([阶段1,阶段2,阶段3……])

集中，阶段可以为零个（那么就相当于findi命令），也可以为任意数量。其中，阶段中间有点类似linux或者unix中的管道

 

img

 

也就是说，前面一个阶段的输出，是后面一个结点的输入。

下面是来自菜鸟教程的一些关键字的用法。

• $project：修改输入文档的结构。可以用来重命名、增加或删除域，也可以用于创建计算结果以及嵌套文档。
• $match：用于过滤数据，只输出符合条件的文档。$match使用MongoDB的标准查询操作。
• $limit：用来限制MongoDB聚合管道返回的文档数。
• $skip：在聚合管道中跳过指定数量的文档，并返回余下的文档。
• $unwind：将文档中的某一个数组类型字段拆分成多条，每条包含数组中的一个值。
• $group：将集合中的文档分组，可用于统计结果。
• $sort：将输入文档排序后输出。
• $geoNear：输出接近某一地理位置的有序文档。

下面我将在一些数据的处理方面来介绍一下其中的一些命令。

筛选数据

筛选数据的功能乍一看和find的功能差不多，然后仔细一看，还真的和find的功能一模一样。筛选数据的关键字是“ $match”

db.getCollection('test_data_1').aggregate([{"$match":{和find完全一样的过滤表达式}}])

下面是返回like字段数组的第一个元素为“apple”的记录（和上面数组字段里面查询返回的结果一模一样）。

db.getCollection('test_data_1').aggregate([{"$match":{"like.0":"apple"}}])

那么，这样做有什么意义呢？返回的结果和find的命令一样，还比find麻烦，这样做岂不是多此一举。的确，如果我们仅仅这样做，还不如使用find，它的强大之处在于与其他关键字进行组合。因为进行数据处理，一般第一步都是进行筛选。

修改字段

前面我们介绍了$project的介绍，那么修改字段我们将使用$projecto来操作。

$project：修改输入文档的结构。可以用来重命名、增加或删除域，也可以用于创建计算结果以及嵌套文档。

正如上面所介绍的，$project的功能很强大，可以做到很多事情。

1. 修改返回的字段

   下面返回的字段中不包含_id和like 字段

   db.getCollection('test_data_1').aggregate([
       {"$project":{"_id":0,"like":0}}
   ])

   下面是结合$match的使用，其中前面的$match的返回的输出是$project的输入

   db.getCollection('test_data_1').aggregate([
       {"$match":{"like":{"$size":3}}},
       {"$project":{"_id":0,"like":0}}
   ])

   这个的作用也和find中的返回返回部分字段的操作差不多，这个操作没有什么让人新奇的地方，下面将介绍它的其他强大之处。

   注意事项

   包括现有字段

   • _id 字段默认包含在输出文档中。
   • 如果指定包含文档中不存在的字段， $project 将忽略该字段包含，并且不会将该字段添加到文档中。

   取消_id字段

   • 默认情况下， _id 字段包含在输出文档中。要从输出文档中排除 _id 字段，必须在 $project 中明确指定对 _id 字段的抑制。

   排除字段

   • 如果指定排除某个或多个字段，则在输出文档中返回所有其他字段。

   • 如果指定排除 _id 以外的字段，则不能使用任何其他 $project 规范表单：即，如果排除字段，则不能指定包含字段，重置现有字段的值或添加新字段。

2. 添加新的字段

   如果我想返回的结果中添加新的字段，怎么办？在project中直接添加就行

   db.getCollection('test_data_1').aggregate([
      
       {"$project":{
           "name":1,
           "_id":0,
      		// 添加的新的字段
           "add":"GG"
           }
        }
   ])

   不过值得注意的是：

   如果指定排除 _id 以外的字段，则不能使用任何其他 $project 规范表单：即，如果排除字段，则不能指定包含字段，重置现有字段的值或添加新字段。

   也就是说，如果排除了除“_id”以外的字段，那么，就GG了。就没办法添加字段了。

    

   
    

    

   并且值得注意的是，添加新的字段的时候，如果旧的字段不设置为1，则不会返回。（也就是说，如果添加了新的字段，想要返回本来存在字段，必须将字段设置为1）

    

   
    

    

3. 重命名字段

   重命名字段和添加新的字段差不多，简单点来说，我们可以使用“$旧的字段名”来表示字段的数据。示例如下

   db.getCollection('test_data_1').aggregate([
      
       {"$project":{
       	// 添加新的字段，新的字段的数据是name字段的数据
           "add":"$name"
           }
        }
   ])

   结果如下：

    

   
    

    

   这个对于嵌套文档有着非常好的效果，可以看下面的两个例子

   使用find	使用聚合

4. 处理特殊字符

   这里有说两个问题，如果我需要修改一个字段的数据为1，或者为$project呢？可以知道，这些值与mongodbe自身的语法冲突了（所有以“$”开头的普通字符串和数字都不能添加）。这个时候我们可以使用" $literal"关键字。

    

   
    

    

分组操作

分组操作所对应的关键字是“$group”，它的作用是根据给出的字段key，它所有的key的值相同的记录放在一起进行运算。

去重

在上一篇博客中使用了去重函数“distinct”，使用该函数后，返回的是一个数组。不过，现在我们可以使用“$group”去重。操作如下所示：

db.getCollection('test_data_1').aggregate(
    [
        {
            "$group":{"_id":"$被g去重的字段名"}
        }
    ]
)

其中，“_id”是必不可少的，不能用其他的去替代。而这个返回的也不是一个数组，而是很多条记录。

 

 

 

分组操作运算

首先先说一下运算的关键字，关键字包括（来自菜鸟教程）：

表达式	描述	实例
$sum	计算总和。	db.mycol.aggregate([{$group : {_id : "$by_user", num_tutorial : {$sum : "$likes"}}}])
$avg	计算平均值	db.mycol.aggregate([{$group : {_id : "$by_user", num_tutorial : {$avg : "$likes"}}}])
$min	获取集合中所有文档对应值得最小值。	db.mycol.aggregate([{$group : {_id : "$by_user", num_tutorial : {$min : "$likes"}}}])
$max	获取集合中所有文档对应值得最大值。	db.mycol.aggregate([{$group : {_id : "$by_user", num_tutorial : {$max : "$likes"}}}])
$push	在结果文档中插入值到一个数组中。	db.mycol.aggregate([{$group : {_id : "$by_user", url : {$push: "$url"}}}])
$addToSet	在结果文档中插入值到一个数组中，但不创建副本。	db.mycol.aggregate([{$group : {_id : "$by_user", url : {$addToSet : "$url"}}}])
$first	根据资源文档的排序获取第一个文档数据。	db.mycol.aggregate([{$group : {_id : "$by_user", first_url : {$first : "$url"}}}])
$last	根据资源文档的排序获取最后一个文档数据	db.mycol.aggregate([{$group : {_id : "$by_user", last_url : {$last : "$url"}}}])

大家看那个实例估计也明白怎么操作了。首先我们先去重，然后再指定名字，最后进行计算：

计算的方法：{$关键字：$已有的字段名}

下面便是计算age的平均值，然后以“aver_age”返回。

 

 

 

原则上，“$sum”和“$avg”的值对应的值应该是数字，如果使用非数字，则“$sum”会返回0，“$avg”会返回“null”。注意，字符串是可以比较大小的。其中，“$sum”的值还可以使用数字“1”，例如"count":{"$sum":1}，则返回的就是每个分组有多少条记录。

拆分数组

拆分数组使用的关键字是“$unwind”，它的作用是把一条包含数组的记录拆分为很对条记录，其中，每一条记录拥有数组中的一个元素。

下面是数组like和infos进行拆分，其中拆分的结果数量是like数组的长度乘以infos数组的长度。

db.getCollection('test_data_1').aggregate(
    [
        {"$unwind":"$like"},
        {"$unwind":"$infos"},
    ]
)

 

 

 

联集合查询

Mongodb中的联集合查询类似SQL中的联表查询，在联集合查询中，有两个概念，主集合和被查集合。简单点来说，就是主集合提供字段key，然后被查集合通过字段key查出需要的字段。

db.getCollection('主集合名').aggregate([
    "$lookup":{
            "from":"被查集合名",
            "localField":"主集合提供的字段key",
            "foreginField":"被查集合接受的字段",
            "as":"为查出来的字段命名",
    }
]
)

下面是两个文档，一个为user,一个为login

现在我们通过login中的id从user中拿出字段：

db.getCollection('login').aggregate([
   { "$lookup":{
            "from":"user",
            "localField":"loginId",
            "foreignField":"id",
            "as":"login_name",
        }
   }
]
)

返回结果如下：

 

 

 

其中，login_name为联结合查出来的数据，为一个数组。

当然，对于这个结果的样式我们是不太满意的，因为我我们只想拿出name，这个时候我们就需要使用前面的知识来解决这个问题了。

db.getCollection('login').aggregate([
   { "$lookup":{
            "from":"user",
            "localField":"loginId",
            "foreignField":"id",
            "as":"login_name",
        }
   },   {
       "$unwind":"$login_name"
   },
   {
       "$project":{
           "_id":0,
           "loginId":1,
           "name":"$login_name.name"
           
           }
   }
])

返回的结果如图所示：

 

 

 

参考资料

参考书籍：《左手Mongodb，右手Redis》

菜鸟教程：https://www.runoob.com/mongodb/mongodb-tutorial.html

docs4dev：https://www.docs4dev.com/docs/zh/mongodb/v3.6/reference