本文介绍一个示例：使用 pymongo 连接 MongoDB，查询MongoDB中的 字符串 记录，并比较字符串之间的相似度。
一，Python连接MongoDB
大致步骤：创建MongoClient---> 获取 DataBase --->获取Collection，代码如下：
client = MongoClient(host="127.0.0.1", port=10001) db = client['database_name'] db.authenticate(name="user_name", password="password")
coll = db.get_collection("collection_name")
二，Python MongoDB 查询
以uid为条件进行查询。由于 collection_name 中定义了多个字段，这里只想返回 chat 字段的内容，并且不返回 _id 字段内容。故查询条件如下：（find方法的第一个参数指定查询的条件，第二个参数指定 待 返回的 字段）
coll.find({"uid": 123456789}, {"_id": 0, "chat": 1})
MongoDB查询返回的每一条记录都是一个 dict：{"chat":"这是一条发言内容"}，再将之转化成 chats列表（list） 存储每一条发言内容：
list_chat = list(coll.find({"uid": 123456789}, {"_id": 0, "chat": 1}))
chats = [d['chat'] for d in list_chat]
三，Python比较两个字符串的相似度
给定一个列表（list），列表中的每个元素都是一个字符串，计算列表中相邻两个元素的相似度。
#查找chats 列表 里面 相邻 字符串 之间的 相似度 def compute_similar(): chats = uid_chats() for index in range(len(chats) - 1): ratios = similar_ratio(chats[index], chats[index+1]) print(ratios)
具体的字符串相似度计算，由SequenceMatcher实现，它忽略了字符串中存在空格的情况。
#lambda 表达式表示忽略 “ ”（空格），空格不参与相似度地计算 SequenceMatcher(lambda x:x==" ", strA, strB).ratio()
四，判断 "nick"字段是否包含 emoji字符
打开Anaconda，安装 emoji 处理包
pip install emoji --upgrade
代码如下：
from pymongo import MongoClient import emoji client = MongoClient(host="127.0.0.2", port=10001) db = client['db_name'] db.authenticate(name="user_name", password="xxxx") coll = db.get_collection("coll_name") def extract_emojis(str_chat): return ' '.join(c for c in str_chat if c in emoji.UNICODE_EMOJI) def uid_chats(uid): list_chat = list(coll.find({"uid": uid}, {"_id": 0, "nick": 1})) chats = [d['nick'] for d in list_chat] print(chats) return chats if __name__ == "__main__": chatList = uid_chats(123456789) for chat in chatList: result = extract_emojis(chat) print(result)
五，完整代码
系统环境 pycharm2016.3 Anaconda3 Python3.6
from pymongo import MongoClient from difflib import SequenceMatcher client = MongoClient(host="127.0.0.1", port=10001) db = client['database_name'] db.authenticate(name="user_name", password="password") coll = db.get_collection("collection_name") def uid_chats(): list_chat = list(coll.find({"uid": 123456789}, {"_id": 0, "chat": 1})) chats = [d['chat'] for d in list_chat] print(chats) return chats def similar_ratio(strA, strB): return SequenceMatcher(lambda x:x==" ", strA, strB).ratio() #查找list里面相邻字符串之间的相似度 def compute_similar(): chats = uid_chats() for index in range(len(chats) - 1): ratios = similar_ratio(chats[index], chats[index+1]) print(ratios) if __name__ == "__main__": compute_similar()
