使用pymongo对MongoDB进行的各种操作，下载相应平台的版本，解压即可。为方便使用，将bin路径添加到系统path环境变量里。其中mongod是服务器，mongo是客户shell，然后创建数据文件目录：在c盘下创建data文件夹，里面创建db文件夹。

　　Python怎么调用MongoDB

　　安装对应语言的Driver，Python安装pymongo

　　$easy_installpymongo

　　使用方法总结，摘自官方教程

　　创建连接

　　>>>importpymongo
　　>>>connection=pymongo.Connection('localhost',27017)

　　切换数据库

　　>>>db=connection.test_database

　　获取collection

　　>>>collection=db.test_collection

　　db和collection都是延时创建的，在添加Document时才真正创建

　　文档添加，_id自动创建

　　>>>importdatetime
　　>>>post={"author":"Mike",
　　..."text":"Myfirstblogpost!",
　　..."tags":["mongodb","python","pymongo"],
　　..."date":datetime.datetime.utcnow()}
　　>>>posts=db.posts
　　>>>posts.insert(post)
　　ObjectId('...')

　　批量插入

　　>>>new_posts=[{"author":"Mike",
　　..."text":"Anotherpost!",
　　..."tags":["bulk","insert"],
　　..."date":datetime.datetime(2009,11,12,11,14)},
　　...{"author":"Eliot",
　　..."title":"MongoDBisfun",
　　..."text":"andprettyeasytoo!",
　　..."date":datetime.datetime(2009,11,10,10,45)}]
　　>>>posts.insert(new_posts)
　　[ObjectId('...'),ObjectId('...')]

　　获取所有collection(相当于SQL的showtables)

　　>>>db.collection_names()
　　[u'posts',u'system.indexes']

　　获取单个文档

　　>>>posts.find_one()
　　{u'date':datetime.datetime(...),u'text':u'Myfirstblogpost!',u'_id':ObjectId('...'),u'author':u'Mike',u'tags':[u'mongodb',u'python',u'pymongo']}

　　查询多个文档

　　>>forpostinposts.find():
　　...post
　　...
　　{u'date':datetime.datetime(...),u'text':u'Myfirstblogpost!',u'_id':ObjectId('...'),u'author':u'Mike',u'tags':[u'mongodb',u'python',u'pymongo']}
　　{u'date':datetime.datetime(2009,11,12,11,14),u'text':u'Anotherpost!',u'_id':ObjectId('...'),u'author':u'Mike',u'tags':[u'bulk',u'insert']}
　　{u'date':datetime.datetime(2009,11,10,10,45),u'text':u'andprettyeasytoo!',u'_id':ObjectId('...'),u'author':u'Eliot',u'title':u'MongoDBisfun'}

　　加条件的查询

　　>>>posts.find_one({"author":"Mike"})

　　高级查询

　　>>>posts.find({"date":{"$lt":d}}).sort("author")

　　统计数量

　　>>>posts.count()
　　3

　　加索引

　>>>frompymongoimportASCENDING,DESCENDING
　　>>>posts.create_index([("date",DESCENDING),("author",ASCENDING)])
　　u'date_-1_author_1'

　　查看查询语句的性能

>>>posts.find({"date":{"$lt":d}}).sort("author").explain()["cursor"]
　　u'BtreeCursordate_-1_author_1'
　　>>>posts.find({"date":{"$lt":d}}).sort("author").explain()["nscanned"]
　　2

　　附自己总结的一点小心得，仅供参考

　　缺点

　　不是全盘取代传统数据库(NoSQLFan：是否能取代需要看应用场景)

　　不支持复杂事务(NoSQLFan：MongoDB只支持对单个文档的原子操作)

　　文档中的整个树，不易搜索，4MB限制?(NoSQLFan：1.8版本已经修改为16M)

　　特点(NoSQLFan：作者在这里列举的很多只是一些表层的特点)：

　　文档型数据库，表结构可以内嵌

　　没有模式，避免空字段开销(SchemaFree)

　　分布式支持

　　查询支持正则

　　动态扩展架构

　　32位的版本最多只能存储2.5GB的数据(NoSQLFan：最大文件尺寸为2G，生产环境推荐64位)