Python 连接MongoDB并比较两个字符串相似度的简单示例

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 emojiclient = 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 chatsif __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 SequenceMatcherclient = 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 chatsdef 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()