Python爬虫之非关系型数据库存储#5

NoSQL，全称 Not Only SQL，意为不仅仅是 SQL，泛指非关系型数据库。NoSQL 是基于键值对的，而且不需要经过 SQL 层的解析，数据之间没有耦合性，性能非常高。

非关系型数据库又可细分如下。

键值存储数据库：代表有 Redis、Voldemort 和 Oracle BDB 等。

列存储数据库：代表有 Cassandra、HBase 和 Riak 等。

文档型数据库：代表有 CouchDB 和 MongoDB 等。

图形数据库：代表有 Neo4J、InfoGrid 和 Infinite Graph 等。

对于爬虫的数据存储来说，一条数据可能存在某些字段提取失败而缺失的情况，而且数据可能随时调整。另外，数据之间还存在嵌套关系。如果使用关系型数据库存储，一是需要提前建表，二是如果存在数据嵌套关系的话，需要进行序列化操作才可以存储，这非常不方便。如果用了非关系型数据库，就可以避免一些麻烦，更简单高效。

本节中，我们主要介绍 MongoDB 和 Redis 的数据存储操作。

MongoDB 存储

MongoDB 是由 C++ 语言编写的非关系型数据库，是一个基于分布式文件存储的开源数据库系统，其内容存储形式类似 JSON 对象，它的字段值可以包含其他文档、数组及文档数组，非常灵活。在这一节中，我们就来看看 Python 3 下 MongoDB 的存储操作。

1. 准备工作

在开始之前，请确保已经安装好了 MongoDB 并启动了其服务，并且安装好了 Python 的 PyMongo 库。如果没有安装，可以参考Python爬虫存储库安装#1-CSDN博客

2. 连接 MongoDB

连接 MongoDB 时，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，其中第一个参数为地址 host，第二个参数为端口 port（如果不给它传递参数，默认是 27017）：

import pymongo
client = pymongo.MongoClient(host='localhost', port=27017)

这样就可以创建 MongoDB 的连接对象了。

另外，MongoClient 的第一个参数 host 还可以直接传入 MongoDB 的连接字符串，它以 mongodb 开头，例如：

client = MongoClient('mongodb://localhost:27017/')

这也可以达到同样的连接效果。

3. 指定数据库

MongoDB 中可以建立多个数据库，接下来我们需要指定操作哪个数据库。这里我们以 test 数据库为例来说明，下一步需要在程序中指定要使用的数据库：

db = client.test

这里调用 client 的 test 属性即可返回 test 数据库。当然，我们也可以这样指定：

db = client['test']

这两种方式是等价的。

4. 指定集合

MongoDB 的每个数据库又包含许多集合（collection），它们类似于关系型数据库中的表。

下一步需要指定要操作的集合，这里指定一个集合名称为 students。与指定数据库类似，指定集合也有两种方式：

collection = db.students

collection = db['students']

这样我们便声明了一个 Collection 对象。

5. 插入数据

接下来，便可以插入数据了。对于 students 这个集合，新建一条学生数据，这条数据以字典形式表示：

student = {
    'id': '20170101',
    'name': 'Jordan',
    'age': 20,
    'gender': 'male'
}

这里指定了学生的学号、姓名、年龄和性别。接下来，直接调用 collection 的 insert 方法即可插入数据，代码如下：

result = collection.insert(student)
print(result)

在 MongoDB 中，每条数据其实都有一个id 属性来唯一标识。如果没有显式指明该属性，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_id 值。

运行结果如下：

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：

student1 = {
    'id': '20170101',
    'name': 'Jordan',
    'age': 20,
    'gender': 'male'
}

student2 = {
    'id': '20170202',
    'name': 'Mike',
    'age': 21,
    'gender': 'male'
}

result = collection.insert([student1, student2])
print(result)

返回结果是对应的_id 的集合：

[ObjectId('5932a80115c2606a59e8a048'), ObjectId('5932a80115c2606a59e8a049')]

实际上，在 PyMongo 3.x 版本中，官方已经不推荐使用 insert() 方法了。当然，继续使用也没有什么问题。官方推荐使用 insert_one() 和 insert_many() 方法来分别插入单条记录和多条记录，示例如下：

student = {
    'id': '20170101',
    'name': 'Jordan',
    'age': 20,
    'gender': 'male'
}

result = collection.insert_one(student)
print(result)
print(result.inserted_id)

运行结果如下：

<pymongo.results.InsertOneResult object at 0x10d68b558>
5932ab0f15c2606f0c1cf6c5

与 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，示例如下：

student1 = {
    'id': '20170101',
    'name': 'Jordan',
    'age': 20,
    'gender': 'male'
}

student2 = {
    'id': '20170202',
    'name': 'Mike',
    'age': 21,
    'gender': 'male'
}

result = collection.insert_many([student1, student2])
print(result)
print(result.inserted_ids)

运行结果如下：

<pymongo.results.InsertManyResult object at 0x101dea558>
[ObjectId('5932abf415c2607083d3b2ac'), ObjectId('5932abf415c2607083d3b2ad')]

该方法返回的类型是 InsertManyResult，调用 inserted_ids 属性可以获取插入数据的_id 列表。

6. 查询

插入数据后，我们可以利用 find_one() 或 find() 方法进行查询，其中 find_one() 查询得到的是单个结果，find() 则返回一个生成器对象。示例如下：

result = collection.find_one({'name': 'Mike'})
print(type(result))
print(result)

这里我们查询 name 为 Mike 的数据，它的返回结果是字典类型，运行结果如下：

<class 'dict'>
{'_id': ObjectId('5932a80115c2606a59e8a049'), 'id': '20170202', 'name': 'Mike', 'age': 21, 'gender': 'male'}

可以发现，它多了_id 属性，这就是 MongoDB 在插入过程中自动添加的。

此外，我们也可以根据 ObjectId 来查询，此时需要使用 bson 库里面的 objectid：

from bson.objectid import ObjectId

result = collection.find_one({'_id': ObjectId('593278c115c2602667ec6bae')})
print(result)

其查询结果依然是字典类型，具体如下：

{'_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，这里查找年龄为 20 的数据，示例如下：

results = collection.find({'age': 20})
print(results)
for result in results:
    print(result)

运行结果如下：

<pymongo.cursor.Cursor object at 0x1032d5128>
{'_id': ObjectId('593278c115c2602667ec6bae'), 'id': '20170101', 'name': 'Jordan', 'age': 20, 'gender': 'male'}
{'_id': ObjectId('593278c815c2602678bb2b8d'), 'id': '20170102', 'name': 'Kevin', 'age': 20, 'gender': 'male'}
{'_id': ObjectId('593278d815c260269d7645a8'), 'id': '20170103', 'name': 'Harden', 'age': 20, 'gender': 'male'}

返回结果是 Cursor 类型，它相当于一个生成器，我们需要遍历取到所有的结果，其中每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}})

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。

这里将比较符号归纳为表 。

比较符号

符　　号	含　　义	示　　例
$lt	小于	{'age': {'$lt': 20}}
$gt	大于	{'age': {'$gt': 20}}
$lte	小于等于	{'age': {'$lte': 20}}
$gte	大于等于	{'age': {'$gte': 20}}
$ne	不等于	{'age': {'$ne': 20}}
$in	在范围内	{'age': {'$in': [20, 23]}}
$nin	不在范围内	{'age': {'$nin': [20, 23]}}

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.*'}})

这里使用 $regex 来指定正则匹配，^M.* 代表以 M 开头的正则表达式。

这里将一些功能符号再归类为表。

功能符号

符　　号	含　　义	示　　例	示例含义
$regex	匹配正则表达式	{'name': {'$regex': '^M.*'}}	name 以 M 开头
$exists	属性是否存在	{'name': {'$exists': True}}	name 属性存在
$type	类型判断	{'age': {'$type': 'int'}}	age 的类型为 int
$mod	数字模操作	{'age': {'$mod': [5, 0]}}	年龄模 5 余 0
$text	文本查询	{'text': {'search': 'Mike'}}	text 类型的属性中包含 Mike 字符串
$where	高级条件查询	{'$where': 'obj.fans_count == obj.follows_count'}	自身粉丝数等于关注数

关于这些操作的更详细用法，可以在 MongoDB 官方文档找到： Query and Projection Operators --- MongoDB Manual。

7. 计数

要统计查询结果有多少条数据，可以调用 count() 方法。比如，统计所有数据条数：

count = collection.find().count()
print(count)

或者统计符合某个条件的数据：

count = collection.find({'age': 20}).count()
print(count)

运行结果是一个数值，即符合条件的数据条数。

8. 排序

排序时，直接调用 sort() 方法，并在其中传入排序的字段及升降序标志即可。示例如下：

results = collection.find().sort('name', pymongo.ASCENDING)
print([result['name'] for result in results])

运行结果如下：

['Harden', 'Jordan', 'Kevin', 'Mark', 'Mike']

这里我们调用 pymongo.ASCENDING 指定升序。如果要降序排列，可以传入 pymongo.DESCENDING。

9. 偏移

在某些情况下，我们可能想只取某几个元素，这时可以利用 skip() 方法偏移几个位置，比如偏移 2，就忽略前两个元素，得到第三个及以后的元素：

results = collection.find().sort('name', pymongo.ASCENDING).skip(2)
print([result['name'] for result in results])

运行结果如下：

['Kevin', 'Mark', 'Mike']

另外，还可以用 limit() 方法指定要取的结果个数，示例如下：

results = collection.find().sort('name', pymongo.ASCENDING).skip(2).limit(2)
print([result['name'] for result in results])

运行结果如下：

['Kevin', 'Mark']

如果不使用 limit() 方法，原本会返回三个结果，加了限制后，会截取两个结果返回。

值得注意的是，在数据库数量非常庞大的时候，如千万、亿级别，最好不要使用大的偏移量来查询数据，因为这样很可能导致内存溢出。此时可以使用类似如下操作来查询：

from bson.objectid import ObjectId
collection.find({'_id': {'$gt': ObjectId('593278c815c2602678bb2b8d')}})

这时需要记录好上次查询的_id。

10. 更新

对于数据更新，我们可以使用 update() 方法，指定更新的条件和更新后的数据即可。例如：

condition = {'name': 'Kevin'}
student = collection.find_one(condition)
student['age'] = 25
result = collection.update(condition, student)
print(result)

这里我们要更新 name 为 Kevin 的数据的年龄：首先指定查询条件，然后将数据查询出来，修改年龄后调用 update() 方法将原条件和修改后的数据传入。

运行结果如下：

{'ok': 1, 'nModified': 1, 'n': 1, 'updatedExisting': True}

返回结果是字典形式，ok 代表执行成功，nModified 代表影响的数据条数。

另外，我们也可以使用 $set 操作符对数据进行更新，代码如下：

result = collection.update(condition, {'$set': student})

这样可以只更新 student 字典内存在的字段。如果原先还有其他字段，则不会更新，也不会删除。而如果不用 $set 的话，则会把之前的数据全部用 student 字典替换；如果原本存在其他字段，则会被删除。

另外，update() 方法其实也是官方不推荐使用的方法。这里也分为 update_one() 方法和 update_many() 方法，用法更加严格，它们的第二个参数需要使用 $ 类型操作符作为字典的键名，示例如下：

condition = {'name': 'Kevin'}
student = collection.find_one(condition)
student['age'] = 26
result = collection.update_one(condition, {'$set': student})
print(result)
print(result.matched_count, result.modified_count)

这里调用了 update_one() 方法，第二个参数不能再直接传入修改后的字典，而是需要使用 {'$set': student} 这样的形式，其返回结果是 UpdateResult 类型。然后分别调用 matched_count 和 modified_count 属性，可以获得匹配的数据条数和影响的数据条数。

运行结果如下：

<pymongo.results.UpdateResult object at 0x10d17b678>
1 0

我们再看一个例子：

condition = {'age': {'$gt': 20}}
result = collection.update_one(condition, {'$inc': {'age': 1}})
print(result)
print(result.matched_count, result.modified_count)

这里指定查询条件为年龄大于 20，然后更新条件为 {'$inc': {'age': 1}}，也就是年龄加 1，执行之后会将第一条符合条件的数据年龄加 1。

运行结果如下：

<pymongo.results.UpdateResult object at 0x10b8874c8>
1 1

可以看到匹配条数为 1 条，影响条数也为 1 条。

如果调用 update_many() 方法，则会将所有符合条件的数据都更新，示例如下：

condition = {'age': {'$gt': 20}}
result = collection.update_many(condition, {'$inc': {'age': 1}})
print(result)
print(result.matched_count, result.modified_count)

这时匹配条数就不再为 1 条了，运行结果如下：

<pymongo.results.UpdateResult object at 0x10c6384c8>
3 3

可以看到，这时所有匹配到的数据都会被更新。

11. 删除

删除操作比较简单，直接调用 remove() 方法指定删除的条件即可，此时符合条件的所有数据均会被删除。示例如下：

result = collection.remove({'name': 'Kevin'})
print(result)

运行结果如下：

{'ok': 1, 'n': 1}

另外，这里依然存在两个新的推荐方法 ------delete_one() 和 delete_many()。示例如下：

result = collection.delete_one({'name': 'Kevin'})
print(result)
print(result.deleted_count)
result = collection.delete_many({'age': {'$lt': 25}})
print(result.deleted_count)

运行结果如下：

<pymongo.results.DeleteResult object at 0x10e6ba4c8>
1
4

delete_one() 即删除第一条符合条件的数据，delete_many() 即删除所有符合条件的数据。它们的返回结果都是 DeleteResult 类型，可以调用 deleted_count 属性获取删除的数据条数。

12. 其他操作

另外，PyMongo 还提供了一些组合方法，如 find_one_and_delete()、find_one_and_replace() 和 find_one_and_update()，它们是查找后删除、替换和更新操作，其用法与上述方法基本一致。

另外，还可以对索引进行操作，相关方法有 create_index()、create_indexes() 和 drop_index() 等。

关于 PyMongo 的详细用法，可以参见官方文档：http://api.mongodb.com/python/current/api/pymongo/collection.html。

另外，还有对数据库和集合本身等的一些操作，这里不再一一讲解，可以参见官方文档：http://api.mongodb.com/python/current/api/pymongo/。

本节讲解了使用 PyMongo 操作 MongoDB 进行数据增删改查的方法，后面我们会在实战案例中应用这些操作进行数据存储。

Redis 存储

Redis 是一个基于内存的高效的键值型非关系型数据库，存取效率极高，而且支持多种存储数据结构，使用也非常简单。本节中，我们就来介绍一下 Python 的 Redis 操作，主要介绍 redis-py 这个库的用法。

1. 准备工作

在开始之前，请确保已经安装好了 Redis 及 redis-py 库。如果要做数据导入 / 导出操作的话，还需要安装 RedisDump。如果没有安装，可以参考第 1 章。

2. Redis 和 StrictRedis

redis-py 库提供两个类 Redis 和 StrictRedis 来实现 Redis 的命令操作。

StrictRedis 实现了绝大部分官方的命令，参数也一一对应，比如 set 方法就对应 Redis 命令的 set 方法。而 Redis 是 StrictRedis 的子类，它的主要功能是用于向后兼容旧版本库里的几个方法。为了做兼容，它将方法做了改写，比如 lrem 方法就将 value 和 num 参数的位置互换，这和 Redis 命令行的命令参数不一致。

官方推荐使用 StrictRedis，所以本节中我们也用 StrictRedis 类的相关方法作演示。

3. 连接 Redis

现在我们已经在本地安装了 Redis 并运行在 6379 端口，密码设置为 foobared。那么，可以用如下示例连接 Redis 并测试：

from redis import StrictRedis  

redis = StrictRedis(host='localhost', port=6379, db=0, password='foobared')  
redis.set('name', 'Bob')  
print(redis.get('name'))

这里我们传入了 Redis 的地址、运行端口、使用的数据库和密码信息。在默认不传的情况下，这 4 个参数分别为 localhost、6379、0 和 None。首先声明了一个 StrictRedis 对象，接下来调用 set() 方法，设置一个键值对，然后将其获取并打印。

运行结果如下：

b'Bob'

这说明我们连接成功，并可以执行 set 和 get 操作了。

当然，我们还可以使用 ConnectionPool 来连接，示例如下：

from redis import StrictRedis, ConnectionPool  

pool = ConnectionPool(host='localhost', port=6379, db=0, password='foobared')  
redis = StrictRedis(connection_pool=pool)

这样的连接效果是一样的。观察源码可以发现，StrictRedis 内其实就是用 host 和 port 等参数又构造了一个 ConnectionPool，所以直接将 ConnectionPool 当作参数传给 StrictRedis 也一样。

另外，ConnectionPool 还支持通过 URL 来构建。URL 的格式支持有如下 3 种：

redis://[:password]@host:port/db  
rediss://[:password]@host:port/db  
unix://[:password]@/path/to/socket.sock?db=db

这 3 种 URL 分别表示创建 Redis TCP 连接、Redis TCP+SSL 连接、Redis UNIX socket 连接。我们只需要构造上面任意一种 URL 即可，其中 password 部分如果有则可以写，没有则可以省略。下面再用 URL 连接演示一下：

url = 'redis://:foobared@localhost:6379/0'  
pool = ConnectionPool.from_url(url)  
redis = StrictRedis(connection_pool=pool)

这里我们使用第一种连接字符串进行连接。首先，声明一个 Redis 连接字符串，然后调用 from_url() 方法创建 ConnectionPool，接着将其传给 StrictRedis 即可完成连接，所以使用 URL 的连接方式还是比较方便的。

4. 键操作

表中总结了键的一些判断和操作方法。

键的一些判断和操作方法

方　　法	作　　用	参数说明	示　　例	示例说明	示例结果
exists(name)	判断一个键是否存在	name：键名	redis.exists('name')	是否存在 name 这个键	True
delete(name)	删除一个键	name：键名	redis.delete('name')	删除 name 这个键	1
type(name)	判断键类型	name：键名	redis.type('name')	判断 name 这个键类型	b'string'
keys(pattern)	获取所有符合规则的键	pattern：匹配规则	redis.keys('n*')	获取所有以 n 开头的键	[b'name']
randomkey()	获取随机的一个键		randomkey()	获取随机的一个键	b'name'
rename(src, dst)	重命名键	src：原键名；dst：新键名	redis.rename('name', 'nickname')	将 name 重命名为 nickname	True
dbsize()	获取当前数据库中键的数目		dbsize()	获取当前数据库中键的数目	100
expire(name, time)	设定键的过期时间，单位为秒	name：键名；time：秒数	redis.expire('name', 2)	将 name 键的过期时间设置为 2 秒	True
ttl(name)	获取键的过期时间，单位为秒，1 表示永久不过期	name：键名	redis.ttl('name')	获取 name 这个键的过期时间	1
move(name, db)	将键移动到其他数据库	name：键名；db：数据库代号	move('name', 2)	将 name 移动到 2 号数据库	True
flushdb()	删除当前选择数据库中的所有键		flushdb()	删除当前选择数据库中的所有键	True
flushall()	删除所有数据库中的所有键		flushall()	删除所有数据库中的所有键	True

5. 字符串操作

Redis 支持最基本的键值对形式存储，用法总结如表所示。

键值对形式存储

方　　法	作　　用	参数说明	示　　例	示例说明	示例结果
set(name, value)	给数据库中键名为 name 的 string 赋予值 value	n ame：键名；value：值	redis.set('name', 'Bob')	给 name 这个键的 value 赋值为 Bob	True
get(name)	返回数据库中键名为 name 的 string 的 value	name：键名	redis.get('name')	返回 name 这个键的 value	b'Bob'
getset(name, value)	给数据库中键名为 name 的 string 赋予值 value 并返回上次的 value	name：键名；value：新值	redis.getset('name', 'Mike')	赋值 name 为 Mike 并得到上次的 value	b'Bob'
mget(keys, *args)	返回多个键对应的 value 组成的列表	keys：键名序列	redis.mget(['name', 'nickname'])	返回 name 和 nickname 的 value	[b'Mike', b'Miker']
setnx(name, value)	如果不存在这个键值对，则更新 value，否则不变	name：键名	redis.setnx('newname', 'James')	如果 newname 这个键不存在，则设置值为 James	第一次运行结果是 True，第二次运行结果是 False
setex(name, time, value)	设置可以对应的值为 string 类型的 value，并指定此键值对应的有效期	n ame：键名；time：有效期；value：值	redis.setex('name', 1, 'James')	将 name 这个键的值设为 James，有效期为 1 秒	True
setrange(name, offset, value)	设置指定键的 value 值的子字符串	name：键名；offset：偏移量；value：值	redis.set('name', 'Hello') redis.setrange ('name', 6, 'World')	设置 name 为 Hello 字符串，并在 index 为 6 的位置补 World	11，修改后的字符串长度
mset(mapping)	批量赋值	mapping：字典或关键字参数	redis.mset({'name1': 'Durant', 'name2': 'James'})	将 name1 设为 Durant，name2 设为 James	True
msetnx(mapping)	键均不存在时才批量赋值	mapping：字典或关键字参数	redis.msetnx({'name3': 'Smith', 'name4': 'Curry'})	在 name3 和 name4 均不存在的情况下才设置二者值	True
incr(name, amount=1)	键名为 name 的 value 增值操作，默认为 1，键不存在则被创建并设为 amount	name：键名；amount：增长的值	redis.incr('age', 1)	age 对应的值增 1，若不存在，则会创建并设置为 1	1，即修改后的值
decr(name, amount=1)	键名为 name 的 value 减值操作，默认为 1，键不存在则被创建并将 value 设置为 - amount	name：键名；amount：减少的值	redis.decr('age', 1)	age 对应的值减 1，若不存在，则会创建并设置为1	1，即修改后的值
append(key, value)	键名为 key 的 string 的值附加 value	key：键名	redis.append('nickname', 'OK')	向键名为 nickname 的值后追加 OK	13，即修改后的字符串长度
substr(name, start, end=-1)	返回键名为 name 的 string 的子字符串	name：键名；start：起始索引；end：终止索引，默认为1，表示截取到末尾	redis.substr('name', 1, 4)	返回键名为 name 的值的字符串，截取索引为 1~4 的字符	b'ello'
getrange(key, start, end)	获取键的 value 值从 start 到 end 的子字符串	key：键名；start：起始索引；end：终止索引	redis.getrange('name', 1, 4)	返回键名为 name 的值的字符串，截取索引为 1~4 的字符	b'ello'

6. 列表操作

Redis 还提供了列表存储，列表内的元素可以重复，而且可以从两端存储，用法如表所示。

列表操作

方　　法	作　　用	参数说明	示　　例	示例说明	示例结果
rpush(name, *values)	在键名为 name 的列表末尾添加值为 value 的元素，可以传多个	name：键名；values：值	redis.rpush('list', 1, 2, 3)	向键名为 list 的列表尾添加 1、2、3	3，列表大小
lpush(name, *values)	在键名为 name 的列表头添加值为 value 的元素，可以传多个	name：键名；values：值	redis.lpush('list', 0)	向键名为 list 的列表头部添加 0	4，列表大小
llen(name)	返回键名为 name 的列表的长度	name：键名	redis.llen('list')	返回键名为 list 的列表的长度	4
lrange(name, start, end)	返回键名为 name 的列表中 start 至 end 之间的元素	name：键名；start：起始索引；end：终止索引	redis.lrange('list', 1, 3)	返回起始索引为 1 终止索引为 3 的索引范围对应的列表	[b'3', b'2', b'1']
ltrim(name, start, end)	截取键名为 name 的列表，保留索引为 start 到 end 的内容	name：键名；start：起始索引；end：终止索引	ltrim('list', 1, 3)	保留键名为 list 的索引为 1 到 3 的元素	True
lindex(name, index)	返回键名为 name 的列表中 index 位置的元素	name：键名；index：索引	redis.lindex('list', 1)	返回键名为 list 的列表索引为 1 的元素	b'2'
lset(name, index, value)	给键名为 name 的列表中 index 位置的元素赋值，越界则报错	name：键名；index：索引位置；value：值	redis.lset('list', 1, 5)	将键名为 list 的列表中索引为 1 的位置赋值为 5	True
lrem(name, count, value)	删除 count 个键的列表中值为 value 的元素	name：键名；count：删除个数；value：值	redis.lrem('list', 2, 3)	将键名为 list 的列表删除两个 3	1，即删除的个数
lpop(name)	返回并删除键名为 name 的列表中的首元素	name：键名	redis.lpop('list')	返回并删除名为 list 的列表中的第一个元素	b'5'
rpop(name)	返回并删除键名为 name 的列表中的尾元素	name：键名	redis.rpop('list')	返回并删除名为 list 的列表中的最后一个元素	b'2'
blpop(keys, timeout=0)	返回并删除名称在 keys 中的 list 中的首个元素，如果列表为空，则会一直阻塞等待	keys：键名序列；timeout：超时等待时间，0 为一直等待	redis.blpop('list')	返回并删除键名为 list 的列表中的第一个元素	[b'5']
brpop(keys, timeout=0)	返回并删除键名为 name 的列表中的尾元素，如果 list 为空，则会一直阻塞等待	keys：键名序列；timeout：超时等待时间，0 为一直等待	redis.brpop('list')	返回并删除名为 list 的列表中的最后一个元素	[b'2']
rpoplpush(src, dst)	返回并删除名称为 src 的列表的尾元素，并将该元素添加到名称为 dst 的列表头部	src：源列表的键；dst：目标列表的 key	redis.rpoplpush('list', 'list2')	将键名为 list 的列表尾元素删除并将其添加到键名为 list2 的列表头部，然后返回	b'2'

7. 集合操作

Redis 还提供了集合存储，集合中的元素都是不重复的，用法如表所示。

集合操作

方　　法	作　　用	参数说明	示　　例	示例说明	示例结果
sadd(name, *values)	向键名为 name 的集合中添加元素	name：键名；values：值，可为多个	redis.sadd('tags', 'Book', 'Tea', 'Coffee')	向键名为 tags 的集合中添加 Book、Tea 和 Coffee 这 3 个内容	3，即插入的数据个数
srem(name, *values)	从键名为 name 的集合中删除元素	name：键名；values：值，可为多个	redis.srem('tags', 'Book')	从键名为 tags 的集合中删除 Book	1，即删除的数据个数
spop(name)	随机返回并删除键名为 name 的集合中的一个元素	name：键名	redis.spop('tags')	从键名为 tags 的集合中随机删除并返回该元素	b'Tea'
smove(src, dst, value)	从 src 对应的集合中移除元素并将其添加到 dst 对应的集合中	src：源集合；dst：目标集合；value：元素值	redis.smove('tags', 'tags2', 'Coffee')	从键名为 tags 的集合中删除元素 Coffee 并将其添加到键为 tags2 的集合	True
scard(name)	返回键名为 name 的集合的元素个数	name：键名	redis.scard('tags')	获取键名为 tags 的集合中的元素个数	3
sismember(name, value)	测试 member 是否是键名为 name 的集合的元素	name：键值	redis.sismember('tags', 'Book')	判断 Book 是否是键名为 tags 的集合元素	True
sinter(keys, *args)	返回所有给定键的集合的交集	keys：键名序列	redis.sinter(['tags', 'tags2'])	返回键名为 tags 的集合和键名为 tags2 的集合的交集	{b'Coffee'}
sinterstore(dest, keys, *args)	求交集并将交集保存到 dest 的集合	dest：结果集合；keys：键名序列	redis.sinterstore ('inttag', ['tags', 'tags2'])	求键名为 tags 的集合和键名为 tags2 的集合的交集并将其保存为 inttag	1
sunion(keys, *args)	返回所有给定键的集合的并集	keys：键名序列	redis.sunion(['tags', 'tags2'])	返回键名为 tags 的集合和键名为 tags2 的集合的并集	{b'Coffee', b'Book', b'Pen'}
sunionstore(dest, keys, *args)	求并集并将并集保存到 dest 的集合	dest：结果集合；keys：键名序列	redis.sunionstore ('inttag', ['tags', 'tags2'])	求键名为 tags 的集合和键名为 tags2 的集合的并集并将其保存为 inttag	3
sdiff(keys, *args)	返回所有给定键的集合的差集	keys：键名序列	redis.sdiff(['tags', 'tags2'])	返回键名为 tags 的集合和键名为 tags2 的集合的差集	{b'Book', b'Pen'}
sdiffstore(dest, keys, *args)	求差集并将差集保存到 dest 集合	dest：结果集合；keys：键名序列	redis.sdiffstore ('inttag', ['tags', 'tags2'])	求键名为 tags 的集合和键名为 tags2 的集合的差集并将其保存为 inttag	3
smembers(name)	返回键名为 name 的集合的所有元素	name：键名	redis.smembers('tags')	返回键名为 tags 的集合的所有元素	{b'Pen', b'Book', b'Coffee'}
srandmember(name)	随机返回键名为 name 的集合中的一个元素，但不删除元素	name：键值	redis.srandmember('tags')	随机返回键名为 tags 的集合中的一个元素	Srandmember (name)

8. 有序集合操作

有序集合比集合多了一个分数字段，利用它可以对集合中的数据进行排序，其用法总结如表所示。

有序集合操作

方　　法	作　　用	参数说明	示　　例	示例说明	示例结果
zadd(name, *args, **kwargs)	向键名为 name 的 zset 中添加元素 member，score 用于排序。如果该元素存在，则更新其顺序	name：键名；args：可变参数	redis.zadd('grade', 100, 'Bob', 98, 'Mike')	向键名为 grade 的 zset 中添加 Bob（其 score 为 100），并添加 Mike（其 score 为 98）	2，即添加的元素个数
zrem(name, *values)	删除键名为 name 的 zset 中的元素	name：键名；values：元素	redis.zrem('grade', 'Mike')	从键名为 grade 的 zset 中删除 Mike	1，即删除的元素个数
zincrby(name, value, amount=1)	如果在键名为 name 的 zset 中已经存在元素 value，则将该元素的 score 增加 amount；否则向该集合中添加该元素，其 score 的值为 amount	name：键名；value：元素；amount：增长的 score 值	redis.zincrby('grade', 'Bob', -2)	键名为 grade 的 zset 中 Bob 的 score 减 2	98.0，即修改后的值
zrank(name, value)	返回键名为 name 的 zset 中元素的排名，按 score 从小到大排序，即名次	name：键名；value：元素值	redis.zrank('grade', 'Amy')	得到键名为 grade 的 zset 中 Amy 的排名	1
zrevrank(name, value)	返回键为 name 的 zset 中元素的倒数排名（按 score 从大到小排序），即名次	name：键名；value：元素值	redis.zrevrank ('grade', 'Amy')	得到键名为 grade 的 zset 中 Amy 的倒数排名	2
zrevrange(name, start, end, withscores= False)	返回键名为 name 的 zset（按 score 从大到小排序）中 index 从 start 到 end 的所有元素	name：键值；start：开始索引；end：结束索引；withscores：是否带 score	redis.zrevrange ('grade', 0, 3)	返回键名为 grade 的 zset 中前四名元素	[b'Bob', b'Mike', b'Amy', b'James']
zrangebyscore (name, min, max, start=None, num=None, withscores=False)	返回键名为 name 的 zset 中 score 在给定区间的元素	name：键名；min：最低 score；max：最高 score；start：起始索引；num：个数；withscores：是否带 score	redis.zrangebyscore ('grade', 80, 95)	返回键名为 grade 的 zset 中 score 在 80 和 95 之间的元素	[b'Bob', b'Mike', b'Amy', b'James']
zcount(name, min, max)	返回键名为 name 的 zset 中 score 在给定区间的数量	name：键名；min：最低 score；max：最高 score	redis.zcount('grade', 80, 95)	返回键名为 grade 的 zset 中 score 在 80 到 95 的元素个数	2
zcard(name)	返回键名为 name 的 zset 的元素个数	name：键名	redis.zcard('grade')	获取键名为 grade 的 zset 中元素的个数	3
zremrangebyrank (name, min, max)	删除键名为 name 的 zset 中排名在给定区间的元素	name：键名；min：最低位次；max：最高位次	redis.zremrangebyrank ('grade', 0, 0)	删除键名为 grade 的 zset 中排名第一的元素	1，即删除的元素个数
zremrangebyscore (name, min, max)	删除键名为 name 的 zset 中 score 在给定区间的元素	name：键名；min：最低 score；max：最高 score	redis.zremrangebyscore ('grade', 80, 90)	删除 score 在 80 到 90 之间的元素	1，即删除的元素个数

9. 散列操作

Redis 还提供了散列表的数据结构，我们可以用 name 指定一个散列表的名称，表内存储了各个键值对，用法总结如表所示。

散列操作

方　　法	作　　用	参数说明	示　　例	示例说明	示例结果
hset(name, key, value)	向键名为 name 的散列表中添加映射	name：键名；key：映射键名；value：映射键值	hset('price', 'cake', 5)	向键名为 price 的散列表中添加映射关系，cake 的值为 5	1，即添加的映射个数
hsetnx(name, key, value)	如果映射键名不存在，则向键名为 name 的散列表中添加映射	name：键名；key：映射键名；value：映射键值	hsetnx('price', 'book', 6)	向键名为 price 的散列表中添加映射关系，book 的值为 6	1，即添加的映射个数
hget(name, key)	返回键名为 name 的散列表中 key 对应的值	name：键名；key：映射键名	redis.hget('price', 'cake')	获取键名为 price 的散列表中键名为 cake 的值	5
hmget(name, keys, *args)	返回键名为 name 的散列表中各个键对应的值	name：键名；keys：键名序列	redis.hmget('price', ['apple', 'orange'])	获取键名为 price 的散列表中 apple 和 orange 的值	[b'3', b'7']
hmset(name, mapping)	向键名为 name 的散列表中批量添加映射	name：键名；mapping：映射字典	redis.hmset('price', {'banana': 2, 'pear': 6})	向键名为 price 的散列表中批量添加映射	True
hincrby(name, key, amount=1)	将键名为 name 的散列表中映射的值增加 amount	name：键名；key：映射键名；amount：增长量	redis.hincrby('price', 'apple', 3)	key 为 price 的散列表中 apple 的值增加 3	6，修改后的值
hexists(name, key)	键名为 name 的散列表中是否存在键名为键的映射	name：键名；key：映射键名	redis.hexists('price', 'banana')	键名为 price 的散列表中 banana 的值是否存在	True
hdel(name, *keys)	在键名为 name 的散列表中，删除键名为键的映射	name：键名；keys：键名序列	redis.hdel('price', 'banana')	从键名为 price 的散列表中删除键名为 banana 的映射	True
hlen(name)	从键名为 name 的散列表中获取映射个数	name：键名	redis.hlen('price')	从键名为 price 的散列表中获取映射个数	6
hkeys(name)	从键名为 name 的散列表中获取所有映射键名	name：键名	redis.hkeys('price')	从键名为 price 的散列表中获取所有映射键名	[b'cake', b'book', b'banana', b'pear']
hvals(name)	从键名为 name 的散列表中获取所有映射键值	name：键名	redis.hvals('price')	从键名为 price 的散列表中获取所有映射键值	[b'5', b'6', b'2', b'6']
hgetall(name)	从键名为 name 的散列表中获取所有映射键值对	name：键名	redis.hgetall('price')	从键名为 price 的散列表中获取所有映射键值对	{b'cake': b'5', b'book': b'6', b'orange': b'7', b'pear': b'6'}

10. RedisDump

RedisDump 提供了强大的 Redis 数据的导入和导出功能，现在就来看下它的具体用法。

首先，确保已经安装好了 RedisDump。

RedisDump 提供了两个可执行命令：redis-dump 用于导出数据，redis-load 用于导入数据。

redis-dump

首先，可以输入如下命令查看所有可选项：

redis-dump -h

运行结果如下：

Usage: redis-dump [global options] COMMAND [command options]   
    -u, --uri=S                      Redis URI (e.g. redis://hostname[:port])  
    -d, --database=S                 Redis database (e.g. -d 15)  
    -s, --sleep=S                    Sleep for S seconds after dumping (for debugging)  
    -c, --count=S                    Chunk size (default: 10000)  
    -f, --filter=S                   Filter selected keys (passed directly to redis' KEYS command)  
    -O, --without_optimizations      Disable run time optimizations  
    -V, --version                    Display version  
    -D, --debug  
        --nosafe

其中 - u 代表 Redis 连接字符串，-d 代表数据库代号，-s 代表导出之后的休眠时间，-c 代表分块大小，默认是 10000，-f 代表导出时的过滤器，-O 代表禁用运行时优化，-V 用于显示版本，-D 表示开启调试。

我们拿本地的 Redis 做测试，运行在 6379 端口上，密码为 foobared，导出命令如下：

redis-dump -u :foobared@localhost:6379

如果没有密码的话，可以不加密码前缀，命令如下：

redis-dump -u localhost:6379

运行之后，可以将本地 0 至 15 号数据库的所有数据输出出来，例如：

{"db":0,"key":"name2","ttl":-1,"type":"string","value":"Durant","size":6}  
{"db":0,"key":"name3","ttl":-1,"type":"string","value":"Durant","size":6}  
{"db":0,"key":"name4","ttl":-1,"type":"string","value":"HelloWorld","size":10}  
{"db":0,"key":"name5","ttl":-1,"type":"string","value":"James","size":5}  
{"db":0,"key":"name6","ttl":-1,"type":"string","value":"James","size":5}  
{"db":0,"key":"age","ttl":-1,"type":"string","value":"1","size":1}  
{"db":0,"key":"age2","ttl":-1,"type":"string","value":"-5","size":2}

每条数据都包含 6 个字段，其中 db 即数据库代号，key 即键名，ttl 即该键值对的有效时间，type 即键值类型，value 即内容，size 即占用空间。

如果想要将其输出为 JSON 行文件，可以使用如下命令：

redis-dump -u :foobared@localhost:6379 > ./redis_data.jl

这样就可以成功将 Redis 的所有数据库的所有数据导出成 JSON 行文件了。

另外，可以使用 - d 参数指定某个数据库的导出，例如只导出 1 号数据库的内容：

redis-dump -u :foobared@localhost:6379 -d 1 > ./redis.data.jl

如果只想导出特定的内容，比如想导出以 adsl 开头的数据，可以加入 - f 参数用来过滤，命令如下：

redis-dump -u :foobared@localhost:6379 -f adsl:* > ./redis.data.jl

其中 - f 参数即 Redis 的 keys 命令的参数，可以写一些过滤规则。

redis-load

同样，我们可以首先输入如下命令查看所有可选项：

redis-load -h

运行结果如下：

redis-load --help  
  Try: redis-load [global options] COMMAND [command options]   
    -u, --uri=S                      Redis URI (e.g. redis://hostname[:port])  
    -d, --database=S                 Redis database (e.g. -d 15)  
    -s, --sleep=S                    Sleep for S seconds after dumping (for debugging)  
    -n, --no_check_utf8  
    -V, --version                    Display version  
    -D, --debug  
        --nosafe

其中 - u 代表 Redis 连接字符串，-d 代表数据库代号，默认是全部，-s 代表导出之后的休眠时间，-n 代表不检测 UTF-8 编码，-V 表示显示版本，-D 表示开启调试。

我们可以将 JSON 行文件导入到 Redis 数据库中：

< redis_data.json redis-load -u :foobared@localhost:6379

这样就可以成功将 JSON 行文件导入到数据库中了。

另外，下面的命令同样可以达到同样的效果：

cat redis_data.json | redis-load -u :foobared@localhost:6379

本节中，我们不仅了解了 redis-py 对 Redis 数据库的一些基本操作，还演示了 RedisDump 对数据的导入导出操作。由于其便捷性和高效性，后面我们会利用 Redis 实现很多架构，如维护代理池、Cookies 池、ADSL 拨号代理池、Scrapy-Redis 分布式架构等。