| Name | oodb JSON |
| Version |
1.0.3
JSON |
| download |
| home_page | None |
| Summary | 面向对象数据库 —— 引入了 Python 中类的特性，如：继承、重写、方法、动态属性等。 |
| upload_time | 2024-07-28 23:47:23 |
| maintainer | None |
| docs_url | None |
| author | None |
| requires_python | None |
| license | None |
| keywords |
oodbms
oodbs
oodb
|
| VCS |
 |
| bugtrack_url |
|
| requirements |
No requirements were recorded.
|
| Travis-CI |
No Travis.
|
| coveralls test coverage |
No coveralls.
|
# 项目描述
面向对象数据库 —— 引入了 Python 中类的特性，如：继承、重写、方法、动态属性等。
该软件使用 MongoDB 来持久化数据，并在 Python 层面利用软件算法模拟出继承等特性。
如果你不需要使用继承、重写等特性，而只是需要一个用来操作 MongoDB 的 ODM，我们为你准备了另一款更合适的工具 —— [oomongo](https://pypi.org/project/oomongo/) 。
# 作者
江南雨上
[主页](https://lcctoor.com/index.html) \| [Github](https://github.com/lcctoor) \| [PyPi](https://pypi.org/user/lcctoor) \| [微信](https://lcctoor.com/cdn/WeChatQRC.jpg) \| [邮箱](mailto:lcctoor@outlook.com) \| [捐赠](https://lcctoor.com/cdn/DonationQRC-0rmb.jpg)
# Bug提交、功能提议
你可以通过 [Github-Issues](https://github.com/lcctoor/arts/issues)、[微信](https://lcctoor.com/cdn/WeChatQRC.jpg) 与我联系。
# 安装
```
pip install oodb
```
# 教程
本文将以简洁的方式向你介绍核心知识，而不会让你被繁琐的术语所淹没。
## 导入
```python
from pymongo import MongoClient
from oodb import OOM, Row, mc, mf, mo, mpy
```
## 创建OOM
```python
class OOM_2(OOM):
def mkconn(self):
return MongoClient(host='localhost', port=27017) # MongoDB 连接器，用来写入和读取数据
oom = OOM_2() # 账户OOM
db = oom['泉州市'] # 库OOM
sheet = db['希望小学'] # 表OOM
```
## 基础功能 —— 增、删、改、查
【增、删、改、查】的方法名称分别为：insert、delete、update、find 。
### 示例
```python
row1 = {'姓名':'小一', '年龄':11, '幸运数字':[1, 2, 3], '成绩':{'语文':81, '数学':82}}
row2 = {'姓名':'小二', '年龄':12, '幸运数字':[2, 3, 4], '成绩':{'语文':82, '数学':83}}
row3 = {'姓名':'小三', '年龄':13, '幸运数字':[3, 4, 5], '成绩':{'语文':83, '数学':84}}
row4 = {'姓名':'小四', '年龄':14, '幸运数字':[4, 5, 6], '成绩':{'语文':84, '数学':85}}
row5 = {'姓名':'小五', '年龄':15, '幸运数字':[5, 6, 7], '成绩':{'语文':85, '数学':86}}
row6 = {'姓名':'小六', '年龄':16, '幸运数字':[6, 7, 8], '成绩':{'语文':86, '数学':87}}
```
| 功能 | 代码 | 备注 |
| :---------: | --------------------------------------------------------------- | :--------------------------------------------------------------: |
| 增（1 条） | sheet.insert( row1 ) | / |
| 增（批量） | sheet.insert( row2, row3 ) | / |
| 删 | sheet.delete( ) | / |
| 改 | sheet.update( {'年龄': 100} ) | / |
| 查 | for row in sheet.find( ):<br /> print( row['姓名'] ) | find 方法返回的是一个迭代器，因此需要使用 for 循环获取 row 对象 |
删除、修改、查询时，可传递 limit 参数来限制行数：
| 功能 | 代码 |
| :--: | ------------------------------------------------------------------------ |
| 删 | sheet.delete( limit=10 ) |
| 改 | sheet.update( {'年龄': 100}, limit=10 ) |
| 查 | for row in sheet.find( limit=10 ):<br /> print( row['姓名'] ) |
### 新增时，查看分配到的主键：
```python
row1 = {'姓名':'小一', '年龄':11, '幸运数字':[1, 2, 3], '成绩':{'语文':81, '数学':82}}
row2 = {'姓名':'小二', '年龄':12, '幸运数字':[2, 3, 4], '成绩':{'语文':82, '数学':83}}
row3 = {'姓名':'小三', '年龄':13, '幸运数字':[3, 4, 5], '成绩':{'语文':83, '数学':84}}
r1 = sheet.insert( row1 )
r2 = sheet.insert( row2, row3 )
```
方法1：使用 insert 添加数据成功后，row1~row3 已各自多了一个叫‘_id’的键，该键的值即分配到的主键。
方法2：
```python
r1.inserted_id
r2.inserted_ids
```
## 继承
让我们以 iPhone15 为例子来讲解【继承】。
### 新增一个【128G-黑色】版本的对象
我们发现，iPhone15 的不同版本是由【性能】和【外观】这两个维度组合而成的。因此，假如我们要新增一个【128G-黑色】版本的对象，我们可以这样做：
1、创建 基础数据、128G性能数据、黑色外观数据 三条数据：
```python
info_base = {'操作系统': 'iOS', 'CPU型号': 'A16', '屏幕尺寸': '6.1英寸'}
info_128G = {'内存': '128G', '价格': 4849}
info_黑 = {'边框颜色': '黑', '后盖颜色': '黑'}
```
2、把这三条数据插入到数据库，并获取对应的 _id 值：
```python
[id_base, id_128G, id_黑] = sheet.insert( info_base, info_128G, info_黑 ).inserted_ids
```
3、创建【128G-黑色】版本数据，插入到数据库，并获取对应的 _id 值：
```python
id_128G_黑 = sheet.insert({'版本名称': '128G-黑色'}, bases=[id_base, id_128G, id_黑]).inserted_id
```
查询【128G-黑色】版本对象的信息：
```python
row_128G_黑 = next( sheet[mc.版本名称 == '128G-黑色'].find() )
for key in ('版本名称', '操作系统', '内存', '边框颜色'): # row_128G_黑 继承了 row_base, row_128G, row_黑, 因此具有它们的属性及其值
print(row_128G_黑[key])
# >>> 128G-黑色
# >>> iOS
# >>> 128G
# >>> 黑
```
### 新增一个【128G-白色】版本的对象
```python
# 创建【白色外观】数据，插入到数据库，并获取对应的 _id 值：
id_白 = sheet.insert({'边框颜色': '白', '后盖颜色': '白'}).inserted_id
# 创建【128G-白色】版本数据，插入到数据库，并获取对应的 _id 值：
id_128G_白 = sheet.insert({'版本名称': '128G-白色'}, bases=[id_白, id_128G_黑]).inserted_id
```
查询【128G-白色】版本对象的信息：
```python
row_128G_白 = next( sheet[mc.版本名称 == '128G-白色'].find() )
for key in ('版本名称', '操作系统', '内存', '边框颜色'):
print(row_128G_白[key])
# >>> 128G-白色
# >>> iOS
# >>> 128G
# >>> 白
```
### 属性查找顺序
在以上示例中，当我们新增【128G-白色】版本对象时，继承了 `row_白` 和 `row_128G_黑` ，这两个父对象都具有 `边框颜色` 属性，前者的该属性值为“白”，后者的该属性值为“黑”。最后，当我们打印 `row_128G_白` 对象的 `边框颜色` 属性时，打印出来的结果为 `白` 。
当一个对象继承自多个父对象，并且对于某一属性，这些父对象的该属性值各不相同时，子对象在表现该属性值时，会遵循【C3线性化算法】：
1、首先，子对象会在自身的属性中查找该属性，如果找到了，则立即返回该属性值。
2、如果在自身的属性中找不到该属性，则会按照从左往右的顺序，先从左边第 1 个父对象中查找，如果查找不到则再从第 2 个父对象中查找……直到在某个父对象中找到该属性时，则立即返回属性值。
## 重写
假如苹果公司与中国联通公司合作，推出了【128G-白色-联通合作】版本的 iPhone15 ，其各方面参数与【128G-白色】版本唯一的区别就是版本名称改成了“128G-白色-联通合作”，此时，我们可以利用【重写】的特性方便地新增一个【128G-白色-联通合作】版本的对象：
```python
id_128G_白_联通合作 = sheet.insert({'版本名称': '128G-白色-联通合作'}, bases=[id_128G_白]).inserted_id
```
在此例中，我们在新增 `row_128G_白_联通合作` 对象时，继承了 `row_128G_白` 对象，并重写了 `版本名称` 属性。
## 方法
让我们定义一个方法：该方法接收一个 `name` 参数，然后返回一个字符串 —— `[<当前时间>] 你好，<name>！我是【<版本名称>】版本的 iPhone15，很高兴成为你的移动助理！` 。
```python
# 创建对象方法
@mpy.method
def say_hello(self: 'Row', name: 'str'):
import time
版本名称 = self['版本名称']
return f"[{int(time.time())}] 你好，{name}！我是【{版本名称}】版本的 iPhone15，很高兴成为你的移动助理！"
# 将对象方法赋值给基对象base, 它的子孙对象都将继承此方法
base_obj = next( sheet[mc._id == id_base].find() )
base_obj.update({'say_hello': say_hello})
# 调用对象方法
for _id in [id_128G_黑, id_128G_白, id_128G_白_联通合作]:
obj = next( sheet[mc._id == _id].find() )
say_hello = obj['say_hello']
print(say_hello('程序猿'))
# >>> [1709654174] 你好，程序猿！我是【128G-黑色】版本的 iPhone15，很高兴成为你的移动助理！
# >>> [1709654174] 你好，程序猿！我是【128G-白色】版本的 iPhone15，很高兴成为你的移动助理！
# >>> [1709654174] 你好，程序猿！我是【128G-白色-联通合作】版本的 iPhone15，很高兴成为你的移动助理！
```
### 讲解
1、使用 `@mpy.method` 装饰一个普通函数，该函数就会变成对象方法。
2、注意到这行代码 `def say_hello(self: 'Row', name: 'str'):` 中， `'Row'` 和 `'str'` 被加了引号 —— 当我们为对象方法的参数做类型提示时，必须以字符串的格式。以下这种方式是错误的： `def say_hello(self: Row, name: str):` 。当然，类型提示只是用来让编辑器提示代码的，它可有可无，不是必要的。
3、可以在对象方法内导入并使用任何【标准库】和【第三方包】。
4、调用对象方法时，既可以使用位置传参，也可以使用关键词传参。例如，这两种方式都是可行的： `say_hello('程序猿')` 、 `say_hello(name='程序猿')` 。
5、对象方法是以人类易读的文本格式存储在 MongoDB 中的（[查看图示](https://lcctoor.com/oodb/oa_/对象方法.png)），可直接通过 Navicat 等管理工具灵活修改。
## 动态属性
让我们用一个统计学生总数的案例来讲解【动态属性】。
```python
# 新增四个班级对象
C1 = sheet.insert({'班级编号': 1, '学生数量': 10}).inserted_id
C2 = sheet.insert({'班级编号': 2, '学生数量': 20}).inserted_id
C3 = sheet.insert({'班级编号': 3, '学生数量': 30}).inserted_id
C4 = sheet.insert({'班级编号': 4, '学生数量': 40}).inserted_id
# 创建一个获取学生总数量的动态属性值
@mpy.dynamic(C1, C2, id3=C3, id4=C4)
def get_students_count(self: 'Row', id1, id2, id3, id4):
from oodb import Row # Row 在实例化时需要接收两个参数: (parent: Sheet, _id)
rows = [Row(parent=self.parent, _id=x) for x in (id1, id2, id3, id4)]
return sum( [x['学生数量'] for x in rows] )
# 新增一个年级对象，并将【动态属性值】赋值给【学生总数量】属性
gid = sheet.insert({'年级': '五年级', '学生总数量': get_students_count}).inserted_id
# 查询动态属性值
grade = next( sheet[mc._id == gid].find() )
print(grade['学生总数量']) # >>> 100
```
如果我们修改某个班级的学生数量，年级的【学生总数量】的返回值也会相应变化：
```python
next( sheet[mc._id == C1].find() ).update({'学生数量': 15})
print(grade['学生总数量']) # >>> 105
```
### 讲解
1、使用 `@mpy.dynamic(...)` 装饰一个普通函数，该函数就会变成动态属性。
2、注意到这行代码 `def get_students_count(self: 'Row', id1, id2, id3, id4):` 中， `'Row'` 被加了引号 —— 当我们为动态属性的参数做类型提示时，必须以字符串的格式。以下这种方式是错误的： `def get_students_count(self: Row, id1, id2, id3, id4):` 。当然，类型提示只是用来让编辑器提示代码的，它可有可无，不是必要的。
3、可以在动态属性内导入并使用任何【标准库】和【第三方包】。
4、创建动态属性时，必须将所需要的参数值在 `@mpy.dynamic(...)` 的括号内传入。比如：我们定义的 `get_students_count` 需要 `id1, id2, id3, id4` 这四个参数，相对应地，我们在 `@mpy.dynamic(...)` 中传递了 `C1, C2, id3=C3, id4=C4` 这四个参数值。传递参数值时，既可以使用位置传参，也可以使用关键词传参，例如： `C1, C2` 使用了位置传参，而 `id3=C3, id4=C4` 使用了关键词传参。
5、动态属性是以人类易读的文本格式存储在 MongoDB 中的（[查看图示](https://lcctoor.com/oodb/oa_/动态属性.png)），可直接通过 Navicat 等管理工具灵活修改。
## 面向对象特性综述
继承、方法、动态属性等特性都是动态解析的，当一个子对象继承一个父对象时，数据库中只会存储这两个对象的父子关系，而非把父对象的全部属性复制到子对象。因此：
1、当我们修改某个父对象的属性值时，仅该父对象的（在硬盘上的）实际存储值会发生变化，而它的子孙对象的（在硬盘上的）实际存储值不会发生任何变化，并且不会影响这两个对象的继承关系。
2、当我们欲修改任意一个对象的属性值时，除了使用 oodb（即本软件）的接口修改以外，也可以直接通过 Navicat 等管理工具手动修改，二者的效果是完全一致的。
## 条件筛选
### 示例一：理解条件筛选的基本范式
筛选【年龄>13，且视力≧4.6，且性别为女】的数据，并进行查改删：
**查询**：`sheet[mc.年龄 > 13][mc.视力 >= 4.6][mc.性别 == '女'].find( )`
**修改**：`sheet[mc.年龄 > 13][mc.视力 >= 4.6][mc.性别 == '女'].update( {'年级':'五年级', '爱好':'画画,跳绳'} )`
**删除**：`sheet[mc.年龄 > 13][mc.视力 >= 4.6][mc.性别 == '女'].delete( )`
### 筛选操作清单
| **代码** | 解释 |
| ------------------------------------------------------------------------------ | ----------------------------------------------- |
| mc.年龄 > 10 | 大于 |
| mc.年龄 >= 10 | 大于或等于 |
| mc.年龄 < 10 | 小于 |
| mc.年龄 <= 10 | 小于或等于 |
| mc.年龄 == 10 | 等于 |
| mc.年龄 != 10 | 不等于 |
| mc.年级 == mf.isin( '初三', '高二' ) | 若字段值是传入值的成员，则符合 |
| mc.年龄 == mf.notin( 10, 30, 45 ) | 若字段值不是传入值的成员，则符合 |
| mc.爱好 == mf.contain_all( '画画', '足球' ) | 若（列表）字段值包含传入值的所有元素，则符合 |
| mc.爱好 == mf.contain_any( '画画', '足球' ) | 若（列表）字段值包含传入值的至少1个元素，则符合 |
| mc.爱好 == mf.contain_none( '画画', '足球' ) | 若（列表）字段值不包含传入值的任何元素，则符合 |
| mc.姓名 == mf.re( '小' ) | 正则匹配 |
| \[mc.年龄 > 3\][mc.年龄 < 100] | 交集（方式一） |
| [ (mc.年龄 > 3) & (mc.年龄 < 100) ] | 交集（方式二） |
| [(mc.年龄<30)| (mc.年龄>30) | (mc.年龄==30) | (mc.年龄==None)] | 并集 |
| [ (mc.年龄 > 3) - (mc.年龄 > 100) ] | 差集 |
| [ ~(mc.年龄 > 100) ] | 补集 |
注：
1、isin、notin 用于判断（普通）字段的值是否传入值的成员，针对普通字段。
2、contain_any、contain_none 用于判断传入值是否（列表）字段的值的成员，针对列表字段。
3、isin、notin、contain_all、contain_any、contain_none 的传入值都不必是同类型的数据，以 isin 为例：可以这样使用：mc.tag == mf.isin( 3, 3.5, '学生', None )，传入值含有 int、float、str、NoneType 等多种类型。
4、成员运算符未传入任何值时的处理方式：
| **代码** | **处理方式** |
| ----------------------------- | ------------------ |
| mc.年级 == mf.isin( ) | 所有数据都 不符合 |
| mc.年级 == mf.notin( ) | 所有数据都 符合 |
| mc.爱好 == mf.contain_all( ) | 所有数据都 符合 |
| mc.爱好 == mf.contain_any( ) | 所有数据都 不符合 |
| mc.爱好 == mf.contain_none( ) | 所有数据都 符合 |
5、四种集合运算可以相互嵌套，且可以无限嵌套。
### 示例二：理解并集、交集、补集的使用
筛选【年龄>13或视力≧4.6、且姓名含有‘小’、且年龄不高于15】的数据：
**查询**：`sheet[(mc.年龄>13) | (mc.视力>=4.6)][mc.姓名 == mf.re('小')][~(mc.年龄>15)].find( )`
**修改**：`sheet[(mc.年龄>13) | (mc.视力>=4.6)][mc.姓名 == mf.re('小')][~(mc.年龄>15)].update( {'年级':'初三'} )`
**删除**：`sheet[(mc.年龄>13) | (mc.视力>=4.6)][mc.姓名 == mf.re('小')][~(mc.年龄>15)].delete( )`
### 根据子元素过滤
可使用 mc.xxx.xxx.xxx... 的形式来表示子孙元素。
查询【语文成绩>80】的数据：
```python
sheet[mc.成绩.语文 > 80].find()
```
## 特殊字段名的表示方法
MongoDB 支持各种特殊的字段名，如：数字、符号、emoji 表情，这些字符在 Python 中不是合法变量名，因此使用 mc.1、mc.+ 等格式会报错，可用 mc['1']、mc['+']、mc['👈'] 这种格式代替。
## 字段提示
变量 mc 无字段提示功能，输入‘mc.’后，编辑器不会提示可选字段。
为了获得字段提示功能，可自建一个‘mc2’：
```python
class mc2(mc):
姓名 = 年龄 = 幸运数字 = None
class 成绩:
语文 = 数学 = None
sheet[mc.姓名 == '小王'][mc2.年龄 > 10].find()
sheet[mc.姓名 == '小王'][mc2.成绩.语文 > 80].find()
```
注：
1、mc2 与 mc 用法完全一致，可混用。
2、mc2 设置字段提示后，仅具备提示效果，而不产生任何实际约束。
## 统计 与 删库删表
| 功能 | 代码 |
| ---------------------- | --------------------------- |
| 统计库的数量 | oom.len( ) |
| 统计表的数量 | db.len( ) |
| 统计行的数量 | sheet.len( ) |
| 统计符合条件的行的数量 | sheet[ mc.age > 8 ].len( ) |
| 获取库名清单 | oom.get_db_names( ) |
| 获取表名清单 | db.get_sheet_names( ) |
| 删除某个库 | db.delete_db( ) |
| 删除某张表 | sheet.delete_sheet( ) |
## 迭代所有 库OOM 和 表OOM
```python
for db in oom:
for sheet in db:
print(sheet.sheet_name)
```
## 特殊操作
### 示例：自增
由于新年到了，令所有学生的年龄增加 1 岁：
```python
sheet.update( {'年龄': mo.inc( 1 )} )
```
### 特殊操作清单：
| **语法** | **含义** |
| --------------------- | -------------------------------------------------- |
| mo.inc( 1.5 ) | 自增 1.5 |
| mo.inc( -1.5 ) | 自减 1.5 |
| mo.add( 1, 2, 3 ) | 向列表字段添加元素，仅当被添加的元素不存在时才添加 |
| mo.push( 1, 2, 3 ) | 向列表字段添加元素，无论被添加的元素是否存在都添加 |
| mo.pull( 15 ) | 从列表字段删除 1 个等于 15 的值 |
| mo.popfirst | 从列表字段删除第 1 个元素 |
| mo.poplast | 从列表字段删除最后 1 个元素 |
| mo.rename( '新名称' ) | 重命名字段 |
| mo.unset | 删除字段 |
| mo.delete | 删除字段（与 mo.unset 等价） |
示例：
```python
sheet[mc.姓名=='小六'].update({
'姓名': 'xiaoliu', # 修改为‘xiaoliu’
'年龄': mo.inc(6), # 自增6
'幸运数字': mo.push(666), # 添加666
'视力': mo.rename('眼力'), # 字段名改为‘眼力’
'籍贯': mo.delete, # 删除此字段
'成绩.语文': 60, # 改为60分
'成绩.数学': mo.inc(-6) # 减6分
})
```
Raw data
{
"_id": null,
"home_page": null,
"name": "oodb",
"maintainer": null,
"docs_url": null,
"requires_python": null,
"maintainer_email": null,
"keywords": "OODBMS, OODBS, oodb",
"author": null,
"author_email": "\u6c5f\u5357\u96e8\u4e0a <lcctoor@outlook.com>",
"download_url": "https://files.pythonhosted.org/packages/b5/ef/1aba0827a1bffdc2c16b0b0447eb994c695335f6db91160a26934da3e0e5/oodb-1.0.3.tar.gz",
"platform": null,
"description": "# \u9879\u76ee\u63cf\u8ff0\n\n\u9762\u5411\u5bf9\u8c61\u6570\u636e\u5e93 \u2014\u2014 \u5f15\u5165\u4e86 Python \u4e2d\u7c7b\u7684\u7279\u6027\uff0c\u5982\uff1a\u7ee7\u627f\u3001\u91cd\u5199\u3001\u65b9\u6cd5\u3001\u52a8\u6001\u5c5e\u6027\u7b49\u3002\n\n\u8be5\u8f6f\u4ef6\u4f7f\u7528 MongoDB \u6765\u6301\u4e45\u5316\u6570\u636e\uff0c\u5e76\u5728 Python \u5c42\u9762\u5229\u7528\u8f6f\u4ef6\u7b97\u6cd5\u6a21\u62df\u51fa\u7ee7\u627f\u7b49\u7279\u6027\u3002\n\n\u5982\u679c\u4f60\u4e0d\u9700\u8981\u4f7f\u7528\u7ee7\u627f\u3001\u91cd\u5199\u7b49\u7279\u6027\uff0c\u800c\u53ea\u662f\u9700\u8981\u4e00\u4e2a\u7528\u6765\u64cd\u4f5c MongoDB \u7684 ODM\uff0c\u6211\u4eec\u4e3a\u4f60\u51c6\u5907\u4e86\u53e6\u4e00\u6b3e\u66f4\u5408\u9002\u7684\u5de5\u5177 \u2014\u2014 [oomongo](https://pypi.org/project/oomongo/) \u3002\n\n# \u4f5c\u8005\n\n\u6c5f\u5357\u96e8\u4e0a\n\n[\u4e3b\u9875](https://lcctoor.com/index.html) \\| [Github](https://github.com/lcctoor) \\| [PyPi](https://pypi.org/user/lcctoor) \\| [\u5fae\u4fe1](https://lcctoor.com/cdn/WeChatQRC.jpg) \\| [\u90ae\u7bb1](mailto:lcctoor@outlook.com) \\| [\u6350\u8d60](https://lcctoor.com/cdn/DonationQRC-0rmb.jpg)\n\n# Bug\u63d0\u4ea4\u3001\u529f\u80fd\u63d0\u8bae\n\n\u4f60\u53ef\u4ee5\u901a\u8fc7 [Github-Issues](https://github.com/lcctoor/arts/issues)\u3001[\u5fae\u4fe1](https://lcctoor.com/cdn/WeChatQRC.jpg) \u4e0e\u6211\u8054\u7cfb\u3002\n\n# \u5b89\u88c5\n\n```\npip install oodb\n```\n\n# \u6559\u7a0b\n\n\u672c\u6587\u5c06\u4ee5\u7b80\u6d01\u7684\u65b9\u5f0f\u5411\u4f60\u4ecb\u7ecd\u6838\u5fc3\u77e5\u8bc6\uff0c\u800c\u4e0d\u4f1a\u8ba9\u4f60\u88ab\u7e41\u7410\u7684\u672f\u8bed\u6240\u6df9\u6ca1\u3002\n\n## \u5bfc\u5165\n\n```python\nfrom pymongo import MongoClient\nfrom oodb import OOM, Row, mc, mf, mo, mpy\n```\n\n## \u521b\u5efaOOM\n\n```python\nclass OOM_2(OOM):\n def mkconn(self):\n return MongoClient(host='localhost', port=27017) # MongoDB \u8fde\u63a5\u5668\uff0c\u7528\u6765\u5199\u5165\u548c\u8bfb\u53d6\u6570\u636e\n\noom = OOM_2() # \u8d26\u6237OOM\ndb = oom['\u6cc9\u5dde\u5e02'] # \u5e93OOM\nsheet = db['\u5e0c\u671b\u5c0f\u5b66'] # \u8868OOM\n```\n\n## \u57fa\u7840\u529f\u80fd \u2014\u2014 \u589e\u3001\u5220\u3001\u6539\u3001\u67e5\n\n\u3010\u589e\u3001\u5220\u3001\u6539\u3001\u67e5\u3011\u7684\u65b9\u6cd5\u540d\u79f0\u5206\u522b\u4e3a\uff1ainsert\u3001delete\u3001update\u3001find \u3002\n\n### \u793a\u4f8b\n\n```python\nrow1 = {'\u59d3\u540d':'\u5c0f\u4e00', '\u5e74\u9f84':11, '\u5e78\u8fd0\u6570\u5b57':[1, 2, 3], '\u6210\u7ee9':{'\u8bed\u6587':81, '\u6570\u5b66':82}}\nrow2 = {'\u59d3\u540d':'\u5c0f\u4e8c', '\u5e74\u9f84':12, '\u5e78\u8fd0\u6570\u5b57':[2, 3, 4], '\u6210\u7ee9':{'\u8bed\u6587':82, '\u6570\u5b66':83}}\nrow3 = {'\u59d3\u540d':'\u5c0f\u4e09', '\u5e74\u9f84':13, '\u5e78\u8fd0\u6570\u5b57':[3, 4, 5], '\u6210\u7ee9':{'\u8bed\u6587':83, '\u6570\u5b66':84}}\nrow4 = {'\u59d3\u540d':'\u5c0f\u56db', '\u5e74\u9f84':14, '\u5e78\u8fd0\u6570\u5b57':[4, 5, 6], '\u6210\u7ee9':{'\u8bed\u6587':84, '\u6570\u5b66':85}}\nrow5 = {'\u59d3\u540d':'\u5c0f\u4e94', '\u5e74\u9f84':15, '\u5e78\u8fd0\u6570\u5b57':[5, 6, 7], '\u6210\u7ee9':{'\u8bed\u6587':85, '\u6570\u5b66':86}}\nrow6 = {'\u59d3\u540d':'\u5c0f\u516d', '\u5e74\u9f84':16, '\u5e78\u8fd0\u6570\u5b57':[6, 7, 8], '\u6210\u7ee9':{'\u8bed\u6587':86, '\u6570\u5b66':87}}\n```\n\n| \u529f\u80fd | \u4ee3\u7801 | \u5907\u6ce8 |\n| :---------: | --------------------------------------------------------------- | :--------------------------------------------------------------: |\n| \u589e\uff081\u00a0\u6761\uff09 | sheet.insert( row1 ) | / |\n| \u589e\uff08\u6279\u91cf\uff09 | sheet.insert( row2, row3 ) | / |\n| \u5220 | sheet.delete( ) | / |\n| \u6539 | sheet.update( {'\u5e74\u9f84': 100} ) | / |\n| \u67e5 | for row in \u00a0sheet.find( ):<br />\u00a0 \u00a0 \u00a0print( row['\u59d3\u540d'] ) | find \u65b9\u6cd5\u8fd4\u56de\u7684\u662f\u4e00\u4e2a\u8fed\u4ee3\u5668\uff0c\u56e0\u6b64\u9700\u8981\u4f7f\u7528 for \u5faa\u73af\u83b7\u53d6\u00a0row \u5bf9\u8c61 |\n\n\u5220\u9664\u3001\u4fee\u6539\u3001\u67e5\u8be2\u65f6\uff0c\u53ef\u4f20\u9012 limit \u53c2\u6570\u6765\u9650\u5236\u884c\u6570\uff1a\n\n| \u529f\u80fd | \u4ee3\u7801 |\n| :--: | ------------------------------------------------------------------------ |\n| \u5220 | sheet.delete( limit=10 ) |\n| \u6539 | sheet.update( {'\u5e74\u9f84': 100},\u00a0limit=10 ) |\n| \u67e5 | for row in \u00a0sheet.find( limit=10 ):<br />\u00a0 \u00a0 \u00a0print( row['\u59d3\u540d'] ) |\n\n### \u65b0\u589e\u65f6\uff0c\u67e5\u770b\u5206\u914d\u5230\u7684\u4e3b\u952e\uff1a\n\n```python\nrow1 = {'\u59d3\u540d':'\u5c0f\u4e00', '\u5e74\u9f84':11, '\u5e78\u8fd0\u6570\u5b57':[1, 2, 3], '\u6210\u7ee9':{'\u8bed\u6587':81, '\u6570\u5b66':82}}\nrow2 = {'\u59d3\u540d':'\u5c0f\u4e8c', '\u5e74\u9f84':12, '\u5e78\u8fd0\u6570\u5b57':[2, 3, 4], '\u6210\u7ee9':{'\u8bed\u6587':82, '\u6570\u5b66':83}}\nrow3 = {'\u59d3\u540d':'\u5c0f\u4e09', '\u5e74\u9f84':13, '\u5e78\u8fd0\u6570\u5b57':[3, 4, 5], '\u6210\u7ee9':{'\u8bed\u6587':83, '\u6570\u5b66':84}}\n\nr1 = sheet.insert( row1 )\nr2 = sheet.insert( row2, row3 )\n```\n\n\u65b9\u6cd51\uff1a\u4f7f\u7528 insert \u6dfb\u52a0\u6570\u636e\u6210\u529f\u540e\uff0crow1~row3 \u5df2\u5404\u81ea\u591a\u4e86\u4e00\u4e2a\u53eb\u2018_id\u2019\u7684\u952e\uff0c\u8be5\u952e\u7684\u503c\u5373\u5206\u914d\u5230\u7684\u4e3b\u952e\u3002\n\n\u65b9\u6cd52\uff1a\n\n```python\nr1.inserted_id\nr2.inserted_ids\n```\n\n## \u7ee7\u627f\n\n\u8ba9\u6211\u4eec\u4ee5 iPhone15 \u4e3a\u4f8b\u5b50\u6765\u8bb2\u89e3\u3010\u7ee7\u627f\u3011\u3002\n\n### \u65b0\u589e\u4e00\u4e2a\u3010128G-\u9ed1\u8272\u3011\u7248\u672c\u7684\u5bf9\u8c61\n\n\u6211\u4eec\u53d1\u73b0\uff0ciPhone15 \u7684\u4e0d\u540c\u7248\u672c\u662f\u7531\u3010\u6027\u80fd\u3011\u548c\u3010\u5916\u89c2\u3011\u8fd9\u4e24\u4e2a\u7ef4\u5ea6\u7ec4\u5408\u800c\u6210\u7684\u3002\u56e0\u6b64\uff0c\u5047\u5982\u6211\u4eec\u8981\u65b0\u589e\u4e00\u4e2a\u3010128G-\u9ed1\u8272\u3011\u7248\u672c\u7684\u5bf9\u8c61\uff0c\u6211\u4eec\u53ef\u4ee5\u8fd9\u6837\u505a\uff1a\n\n1\u3001\u521b\u5efa \u57fa\u7840\u6570\u636e\u3001128G\u6027\u80fd\u6570\u636e\u3001\u9ed1\u8272\u5916\u89c2\u6570\u636e \u4e09\u6761\u6570\u636e\uff1a\n\n```python\ninfo_base = {'\u64cd\u4f5c\u7cfb\u7edf': 'iOS', 'CPU\u578b\u53f7': 'A16', '\u5c4f\u5e55\u5c3a\u5bf8': '6.1\u82f1\u5bf8'}\ninfo_128G = {'\u5185\u5b58': '128G', '\u4ef7\u683c': 4849}\ninfo_\u9ed1 = {'\u8fb9\u6846\u989c\u8272': '\u9ed1', '\u540e\u76d6\u989c\u8272': '\u9ed1'}\n```\n\n2\u3001\u628a\u8fd9\u4e09\u6761\u6570\u636e\u63d2\u5165\u5230\u6570\u636e\u5e93\uff0c\u5e76\u83b7\u53d6\u5bf9\u5e94\u7684 _id \u503c\uff1a\n\n```python\n[id_base, id_128G, id_\u9ed1] = sheet.insert( info_base, info_128G, info_\u9ed1 ).inserted_ids\n```\n\n3\u3001\u521b\u5efa\u3010128G-\u9ed1\u8272\u3011\u7248\u672c\u6570\u636e\uff0c\u63d2\u5165\u5230\u6570\u636e\u5e93\uff0c\u5e76\u83b7\u53d6\u5bf9\u5e94\u7684 _id \u503c\uff1a\n\n```python\nid_128G_\u9ed1 = sheet.insert({'\u7248\u672c\u540d\u79f0': '128G-\u9ed1\u8272'}, bases=[id_base, id_128G, id_\u9ed1]).inserted_id\n```\n\n\u67e5\u8be2\u3010128G-\u9ed1\u8272\u3011\u7248\u672c\u5bf9\u8c61\u7684\u4fe1\u606f\uff1a\n\n```python\nrow_128G_\u9ed1 = next( sheet[mc.\u7248\u672c\u540d\u79f0 == '128G-\u9ed1\u8272'].find() )\n\nfor key in ('\u7248\u672c\u540d\u79f0', '\u64cd\u4f5c\u7cfb\u7edf', '\u5185\u5b58', '\u8fb9\u6846\u989c\u8272'): # row_128G_\u9ed1 \u7ee7\u627f\u4e86 row_base, row_128G, row_\u9ed1, \u56e0\u6b64\u5177\u6709\u5b83\u4eec\u7684\u5c5e\u6027\u53ca\u5176\u503c\n print(row_128G_\u9ed1[key])\n\n# >>> 128G-\u9ed1\u8272\n# >>> iOS\n# >>> 128G\n# >>> \u9ed1\n```\n\n### \u65b0\u589e\u4e00\u4e2a\u3010128G-\u767d\u8272\u3011\u7248\u672c\u7684\u5bf9\u8c61\n\n```python\n# \u521b\u5efa\u3010\u767d\u8272\u5916\u89c2\u3011\u6570\u636e\uff0c\u63d2\u5165\u5230\u6570\u636e\u5e93\uff0c\u5e76\u83b7\u53d6\u5bf9\u5e94\u7684 _id \u503c\uff1a\nid_\u767d = sheet.insert({'\u8fb9\u6846\u989c\u8272': '\u767d', '\u540e\u76d6\u989c\u8272': '\u767d'}).inserted_id\n\n# \u521b\u5efa\u3010128G-\u767d\u8272\u3011\u7248\u672c\u6570\u636e\uff0c\u63d2\u5165\u5230\u6570\u636e\u5e93\uff0c\u5e76\u83b7\u53d6\u5bf9\u5e94\u7684 _id \u503c\uff1a\nid_128G_\u767d = sheet.insert({'\u7248\u672c\u540d\u79f0': '128G-\u767d\u8272'}, bases=[id_\u767d, id_128G_\u9ed1]).inserted_id\n```\n\n\u67e5\u8be2\u3010128G-\u767d\u8272\u3011\u7248\u672c\u5bf9\u8c61\u7684\u4fe1\u606f\uff1a\n\n```python\nrow_128G_\u767d = next( sheet[mc.\u7248\u672c\u540d\u79f0 == '128G-\u767d\u8272'].find() )\n\nfor key in ('\u7248\u672c\u540d\u79f0', '\u64cd\u4f5c\u7cfb\u7edf', '\u5185\u5b58', '\u8fb9\u6846\u989c\u8272'):\n print(row_128G_\u767d[key])\n\n# >>> 128G-\u767d\u8272\n# >>> iOS\n# >>> 128G\n# >>> \u767d\n```\n\n### \u5c5e\u6027\u67e5\u627e\u987a\u5e8f\n\n\u5728\u4ee5\u4e0a\u793a\u4f8b\u4e2d\uff0c\u5f53\u6211\u4eec\u65b0\u589e\u3010128G-\u767d\u8272\u3011\u7248\u672c\u5bf9\u8c61\u65f6\uff0c\u7ee7\u627f\u4e86 `row_\u767d` \u548c `row_128G_\u9ed1` \uff0c\u8fd9\u4e24\u4e2a\u7236\u5bf9\u8c61\u90fd\u5177\u6709 `\u8fb9\u6846\u989c\u8272` \u5c5e\u6027\uff0c\u524d\u8005\u7684\u8be5\u5c5e\u6027\u503c\u4e3a\u201c\u767d\u201d\uff0c\u540e\u8005\u7684\u8be5\u5c5e\u6027\u503c\u4e3a\u201c\u9ed1\u201d\u3002\u6700\u540e\uff0c\u5f53\u6211\u4eec\u6253\u5370 `row_128G_\u767d` \u5bf9\u8c61\u7684 `\u8fb9\u6846\u989c\u8272` \u5c5e\u6027\u65f6\uff0c\u6253\u5370\u51fa\u6765\u7684\u7ed3\u679c\u4e3a `\u767d` \u3002\n\n\u5f53\u4e00\u4e2a\u5bf9\u8c61\u7ee7\u627f\u81ea\u591a\u4e2a\u7236\u5bf9\u8c61\uff0c\u5e76\u4e14\u5bf9\u4e8e\u67d0\u4e00\u5c5e\u6027\uff0c\u8fd9\u4e9b\u7236\u5bf9\u8c61\u7684\u8be5\u5c5e\u6027\u503c\u5404\u4e0d\u76f8\u540c\u65f6\uff0c\u5b50\u5bf9\u8c61\u5728\u8868\u73b0\u8be5\u5c5e\u6027\u503c\u65f6\uff0c\u4f1a\u9075\u5faa\u3010C3\u7ebf\u6027\u5316\u7b97\u6cd5\u3011\uff1a\n\n1\u3001\u9996\u5148\uff0c\u5b50\u5bf9\u8c61\u4f1a\u5728\u81ea\u8eab\u7684\u5c5e\u6027\u4e2d\u67e5\u627e\u8be5\u5c5e\u6027\uff0c\u5982\u679c\u627e\u5230\u4e86\uff0c\u5219\u7acb\u5373\u8fd4\u56de\u8be5\u5c5e\u6027\u503c\u3002\n\n2\u3001\u5982\u679c\u5728\u81ea\u8eab\u7684\u5c5e\u6027\u4e2d\u627e\u4e0d\u5230\u8be5\u5c5e\u6027\uff0c\u5219\u4f1a\u6309\u7167\u4ece\u5de6\u5f80\u53f3\u7684\u987a\u5e8f\uff0c\u5148\u4ece\u5de6\u8fb9\u7b2c 1 \u4e2a\u7236\u5bf9\u8c61\u4e2d\u67e5\u627e\uff0c\u5982\u679c\u67e5\u627e\u4e0d\u5230\u5219\u518d\u4ece\u7b2c 2 \u4e2a\u7236\u5bf9\u8c61\u4e2d\u67e5\u627e\u2026\u2026\u76f4\u5230\u5728\u67d0\u4e2a\u7236\u5bf9\u8c61\u4e2d\u627e\u5230\u8be5\u5c5e\u6027\u65f6\uff0c\u5219\u7acb\u5373\u8fd4\u56de\u5c5e\u6027\u503c\u3002\n\n## \u91cd\u5199\n\n\u5047\u5982\u82f9\u679c\u516c\u53f8\u4e0e\u4e2d\u56fd\u8054\u901a\u516c\u53f8\u5408\u4f5c\uff0c\u63a8\u51fa\u4e86\u3010128G-\u767d\u8272-\u8054\u901a\u5408\u4f5c\u3011\u7248\u672c\u7684 iPhone15 \uff0c\u5176\u5404\u65b9\u9762\u53c2\u6570\u4e0e\u3010128G-\u767d\u8272\u3011\u7248\u672c\u552f\u4e00\u7684\u533a\u522b\u5c31\u662f\u7248\u672c\u540d\u79f0\u6539\u6210\u4e86\u201c128G-\u767d\u8272-\u8054\u901a\u5408\u4f5c\u201d\uff0c\u6b64\u65f6\uff0c\u6211\u4eec\u53ef\u4ee5\u5229\u7528\u3010\u91cd\u5199\u3011\u7684\u7279\u6027\u65b9\u4fbf\u5730\u65b0\u589e\u4e00\u4e2a\u3010128G-\u767d\u8272-\u8054\u901a\u5408\u4f5c\u3011\u7248\u672c\u7684\u5bf9\u8c61\uff1a\n\n```python\nid_128G_\u767d_\u8054\u901a\u5408\u4f5c = sheet.insert({'\u7248\u672c\u540d\u79f0': '128G-\u767d\u8272-\u8054\u901a\u5408\u4f5c'}, bases=[id_128G_\u767d]).inserted_id\n```\n\n\u5728\u6b64\u4f8b\u4e2d\uff0c\u6211\u4eec\u5728\u65b0\u589e `row_128G_\u767d_\u8054\u901a\u5408\u4f5c` \u5bf9\u8c61\u65f6\uff0c\u7ee7\u627f\u4e86 `row_128G_\u767d` \u5bf9\u8c61\uff0c\u5e76\u91cd\u5199\u4e86 `\u7248\u672c\u540d\u79f0` \u5c5e\u6027\u3002\n\n## \u65b9\u6cd5\n\n\u8ba9\u6211\u4eec\u5b9a\u4e49\u4e00\u4e2a\u65b9\u6cd5\uff1a\u8be5\u65b9\u6cd5\u63a5\u6536\u4e00\u4e2a `name` \u53c2\u6570\uff0c\u7136\u540e\u8fd4\u56de\u4e00\u4e2a\u5b57\u7b26\u4e32 \u2014\u2014 `[<\u5f53\u524d\u65f6\u95f4>] \u4f60\u597d\uff0c<name>\uff01\u6211\u662f\u3010<\u7248\u672c\u540d\u79f0>\u3011\u7248\u672c\u7684 iPhone15\uff0c\u5f88\u9ad8\u5174\u6210\u4e3a\u4f60\u7684\u79fb\u52a8\u52a9\u7406\uff01` \u3002\n\n```python\n# \u521b\u5efa\u5bf9\u8c61\u65b9\u6cd5\n@mpy.method\ndef say_hello(self: 'Row', name: 'str'):\n import time\n \u7248\u672c\u540d\u79f0 = self['\u7248\u672c\u540d\u79f0']\n return f\"[{int(time.time())}] \u4f60\u597d\uff0c{name}\uff01\u6211\u662f\u3010{\u7248\u672c\u540d\u79f0}\u3011\u7248\u672c\u7684 iPhone15\uff0c\u5f88\u9ad8\u5174\u6210\u4e3a\u4f60\u7684\u79fb\u52a8\u52a9\u7406\uff01\"\n\n# \u5c06\u5bf9\u8c61\u65b9\u6cd5\u8d4b\u503c\u7ed9\u57fa\u5bf9\u8c61base, \u5b83\u7684\u5b50\u5b59\u5bf9\u8c61\u90fd\u5c06\u7ee7\u627f\u6b64\u65b9\u6cd5\nbase_obj = next( sheet[mc._id == id_base].find() )\nbase_obj.update({'say_hello': say_hello})\n\n# \u8c03\u7528\u5bf9\u8c61\u65b9\u6cd5\nfor _id in [id_128G_\u9ed1, id_128G_\u767d, id_128G_\u767d_\u8054\u901a\u5408\u4f5c]:\n obj = next( sheet[mc._id == _id].find() )\n say_hello = obj['say_hello']\n print(say_hello('\u7a0b\u5e8f\u733f'))\n\n# >>> [1709654174] \u4f60\u597d\uff0c\u7a0b\u5e8f\u733f\uff01\u6211\u662f\u3010128G-\u9ed1\u8272\u3011\u7248\u672c\u7684 iPhone15\uff0c\u5f88\u9ad8\u5174\u6210\u4e3a\u4f60\u7684\u79fb\u52a8\u52a9\u7406\uff01\n# >>> [1709654174] \u4f60\u597d\uff0c\u7a0b\u5e8f\u733f\uff01\u6211\u662f\u3010128G-\u767d\u8272\u3011\u7248\u672c\u7684 iPhone15\uff0c\u5f88\u9ad8\u5174\u6210\u4e3a\u4f60\u7684\u79fb\u52a8\u52a9\u7406\uff01\n# >>> [1709654174] \u4f60\u597d\uff0c\u7a0b\u5e8f\u733f\uff01\u6211\u662f\u3010128G-\u767d\u8272-\u8054\u901a\u5408\u4f5c\u3011\u7248\u672c\u7684 iPhone15\uff0c\u5f88\u9ad8\u5174\u6210\u4e3a\u4f60\u7684\u79fb\u52a8\u52a9\u7406\uff01\n```\n\n### \u8bb2\u89e3\n\n1\u3001\u4f7f\u7528 `@mpy.method` \u88c5\u9970\u4e00\u4e2a\u666e\u901a\u51fd\u6570\uff0c\u8be5\u51fd\u6570\u5c31\u4f1a\u53d8\u6210\u5bf9\u8c61\u65b9\u6cd5\u3002\n\n2\u3001\u6ce8\u610f\u5230\u8fd9\u884c\u4ee3\u7801 `def say_hello(self: 'Row', name: 'str'):` \u4e2d\uff0c `'Row'` \u548c `'str'` \u88ab\u52a0\u4e86\u5f15\u53f7 \u2014\u2014 \u5f53\u6211\u4eec\u4e3a\u5bf9\u8c61\u65b9\u6cd5\u7684\u53c2\u6570\u505a\u7c7b\u578b\u63d0\u793a\u65f6\uff0c\u5fc5\u987b\u4ee5\u5b57\u7b26\u4e32\u7684\u683c\u5f0f\u3002\u4ee5\u4e0b\u8fd9\u79cd\u65b9\u5f0f\u662f\u9519\u8bef\u7684\uff1a `def say_hello(self: Row, name: str):` \u3002\u5f53\u7136\uff0c\u7c7b\u578b\u63d0\u793a\u53ea\u662f\u7528\u6765\u8ba9\u7f16\u8f91\u5668\u63d0\u793a\u4ee3\u7801\u7684\uff0c\u5b83\u53ef\u6709\u53ef\u65e0\uff0c\u4e0d\u662f\u5fc5\u8981\u7684\u3002\n\n3\u3001\u53ef\u4ee5\u5728\u5bf9\u8c61\u65b9\u6cd5\u5185\u5bfc\u5165\u5e76\u4f7f\u7528\u4efb\u4f55\u3010\u6807\u51c6\u5e93\u3011\u548c\u3010\u7b2c\u4e09\u65b9\u5305\u3011\u3002\n\n4\u3001\u8c03\u7528\u5bf9\u8c61\u65b9\u6cd5\u65f6\uff0c\u65e2\u53ef\u4ee5\u4f7f\u7528\u4f4d\u7f6e\u4f20\u53c2\uff0c\u4e5f\u53ef\u4ee5\u4f7f\u7528\u5173\u952e\u8bcd\u4f20\u53c2\u3002\u4f8b\u5982\uff0c\u8fd9\u4e24\u79cd\u65b9\u5f0f\u90fd\u662f\u53ef\u884c\u7684\uff1a `say_hello('\u7a0b\u5e8f\u733f')` \u3001 `say_hello(name='\u7a0b\u5e8f\u733f')` \u3002\n\n5\u3001\u5bf9\u8c61\u65b9\u6cd5\u662f\u4ee5\u4eba\u7c7b\u6613\u8bfb\u7684\u6587\u672c\u683c\u5f0f\u5b58\u50a8\u5728 MongoDB \u4e2d\u7684\uff08[\u67e5\u770b\u56fe\u793a](https://lcctoor.com/oodb/oa_/\u5bf9\u8c61\u65b9\u6cd5.png)\uff09\uff0c\u53ef\u76f4\u63a5\u901a\u8fc7 Navicat \u7b49\u7ba1\u7406\u5de5\u5177\u7075\u6d3b\u4fee\u6539\u3002\n\n## \u52a8\u6001\u5c5e\u6027\n\n\u8ba9\u6211\u4eec\u7528\u4e00\u4e2a\u7edf\u8ba1\u5b66\u751f\u603b\u6570\u7684\u6848\u4f8b\u6765\u8bb2\u89e3\u3010\u52a8\u6001\u5c5e\u6027\u3011\u3002\n\n```python\n# \u65b0\u589e\u56db\u4e2a\u73ed\u7ea7\u5bf9\u8c61\nC1 = sheet.insert({'\u73ed\u7ea7\u7f16\u53f7': 1, '\u5b66\u751f\u6570\u91cf': 10}).inserted_id\nC2 = sheet.insert({'\u73ed\u7ea7\u7f16\u53f7': 2, '\u5b66\u751f\u6570\u91cf': 20}).inserted_id\nC3 = sheet.insert({'\u73ed\u7ea7\u7f16\u53f7': 3, '\u5b66\u751f\u6570\u91cf': 30}).inserted_id\nC4 = sheet.insert({'\u73ed\u7ea7\u7f16\u53f7': 4, '\u5b66\u751f\u6570\u91cf': 40}).inserted_id\n\n# \u521b\u5efa\u4e00\u4e2a\u83b7\u53d6\u5b66\u751f\u603b\u6570\u91cf\u7684\u52a8\u6001\u5c5e\u6027\u503c\n@mpy.dynamic(C1, C2, id3=C3, id4=C4)\ndef get_students_count(self: 'Row', id1, id2, id3, id4):\n from oodb import Row # Row \u5728\u5b9e\u4f8b\u5316\u65f6\u9700\u8981\u63a5\u6536\u4e24\u4e2a\u53c2\u6570: (parent: Sheet, _id)\n rows = [Row(parent=self.parent, _id=x) for x in (id1, id2, id3, id4)]\n return sum( [x['\u5b66\u751f\u6570\u91cf'] for x in rows] )\n\n# \u65b0\u589e\u4e00\u4e2a\u5e74\u7ea7\u5bf9\u8c61\uff0c\u5e76\u5c06\u3010\u52a8\u6001\u5c5e\u6027\u503c\u3011\u8d4b\u503c\u7ed9\u3010\u5b66\u751f\u603b\u6570\u91cf\u3011\u5c5e\u6027\ngid = sheet.insert({'\u5e74\u7ea7': '\u4e94\u5e74\u7ea7', '\u5b66\u751f\u603b\u6570\u91cf': get_students_count}).inserted_id\n\n# \u67e5\u8be2\u52a8\u6001\u5c5e\u6027\u503c\ngrade = next( sheet[mc._id == gid].find() )\nprint(grade['\u5b66\u751f\u603b\u6570\u91cf']) # >>> 100\n```\n\n\u5982\u679c\u6211\u4eec\u4fee\u6539\u67d0\u4e2a\u73ed\u7ea7\u7684\u5b66\u751f\u6570\u91cf\uff0c\u5e74\u7ea7\u7684\u3010\u5b66\u751f\u603b\u6570\u91cf\u3011\u7684\u8fd4\u56de\u503c\u4e5f\u4f1a\u76f8\u5e94\u53d8\u5316\uff1a\n\n```python\nnext( sheet[mc._id == C1].find() ).update({'\u5b66\u751f\u6570\u91cf': 15})\nprint(grade['\u5b66\u751f\u603b\u6570\u91cf']) # >>> 105\n```\n\n### \u8bb2\u89e3\n\n1\u3001\u4f7f\u7528 `@mpy.dynamic(...)` \u88c5\u9970\u4e00\u4e2a\u666e\u901a\u51fd\u6570\uff0c\u8be5\u51fd\u6570\u5c31\u4f1a\u53d8\u6210\u52a8\u6001\u5c5e\u6027\u3002\n\n2\u3001\u6ce8\u610f\u5230\u8fd9\u884c\u4ee3\u7801 `def get_students_count(self: 'Row', id1, id2, id3, id4):` \u4e2d\uff0c `'Row'` \u88ab\u52a0\u4e86\u5f15\u53f7 \u2014\u2014 \u5f53\u6211\u4eec\u4e3a\u52a8\u6001\u5c5e\u6027\u7684\u53c2\u6570\u505a\u7c7b\u578b\u63d0\u793a\u65f6\uff0c\u5fc5\u987b\u4ee5\u5b57\u7b26\u4e32\u7684\u683c\u5f0f\u3002\u4ee5\u4e0b\u8fd9\u79cd\u65b9\u5f0f\u662f\u9519\u8bef\u7684\uff1a `def get_students_count(self: Row, id1, id2, id3, id4):` \u3002\u5f53\u7136\uff0c\u7c7b\u578b\u63d0\u793a\u53ea\u662f\u7528\u6765\u8ba9\u7f16\u8f91\u5668\u63d0\u793a\u4ee3\u7801\u7684\uff0c\u5b83\u53ef\u6709\u53ef\u65e0\uff0c\u4e0d\u662f\u5fc5\u8981\u7684\u3002\n\n3\u3001\u53ef\u4ee5\u5728\u52a8\u6001\u5c5e\u6027\u5185\u5bfc\u5165\u5e76\u4f7f\u7528\u4efb\u4f55\u3010\u6807\u51c6\u5e93\u3011\u548c\u3010\u7b2c\u4e09\u65b9\u5305\u3011\u3002\n\n4\u3001\u521b\u5efa\u52a8\u6001\u5c5e\u6027\u65f6\uff0c\u5fc5\u987b\u5c06\u6240\u9700\u8981\u7684\u53c2\u6570\u503c\u5728 `@mpy.dynamic(...)` \u7684\u62ec\u53f7\u5185\u4f20\u5165\u3002\u6bd4\u5982\uff1a\u6211\u4eec\u5b9a\u4e49\u7684 `get_students_count` \u9700\u8981 `id1, id2, id3, id4` \u8fd9\u56db\u4e2a\u53c2\u6570\uff0c\u76f8\u5bf9\u5e94\u5730\uff0c\u6211\u4eec\u5728 `@mpy.dynamic(...)` \u4e2d\u4f20\u9012\u4e86 `C1, C2, id3=C3, id4=C4` \u8fd9\u56db\u4e2a\u53c2\u6570\u503c\u3002\u4f20\u9012\u53c2\u6570\u503c\u65f6\uff0c\u65e2\u53ef\u4ee5\u4f7f\u7528\u4f4d\u7f6e\u4f20\u53c2\uff0c\u4e5f\u53ef\u4ee5\u4f7f\u7528\u5173\u952e\u8bcd\u4f20\u53c2\uff0c\u4f8b\u5982\uff1a `C1, C2` \u4f7f\u7528\u4e86\u4f4d\u7f6e\u4f20\u53c2\uff0c\u800c `id3=C3, id4=C4` \u4f7f\u7528\u4e86\u5173\u952e\u8bcd\u4f20\u53c2\u3002\n\n5\u3001\u52a8\u6001\u5c5e\u6027\u662f\u4ee5\u4eba\u7c7b\u6613\u8bfb\u7684\u6587\u672c\u683c\u5f0f\u5b58\u50a8\u5728 MongoDB \u4e2d\u7684\uff08[\u67e5\u770b\u56fe\u793a](https://lcctoor.com/oodb/oa_/\u52a8\u6001\u5c5e\u6027.png)\uff09\uff0c\u53ef\u76f4\u63a5\u901a\u8fc7 Navicat \u7b49\u7ba1\u7406\u5de5\u5177\u7075\u6d3b\u4fee\u6539\u3002\n\n## \u9762\u5411\u5bf9\u8c61\u7279\u6027\u7efc\u8ff0\n\n\u7ee7\u627f\u3001\u65b9\u6cd5\u3001\u52a8\u6001\u5c5e\u6027\u7b49\u7279\u6027\u90fd\u662f\u52a8\u6001\u89e3\u6790\u7684\uff0c\u5f53\u4e00\u4e2a\u5b50\u5bf9\u8c61\u7ee7\u627f\u4e00\u4e2a\u7236\u5bf9\u8c61\u65f6\uff0c\u6570\u636e\u5e93\u4e2d\u53ea\u4f1a\u5b58\u50a8\u8fd9\u4e24\u4e2a\u5bf9\u8c61\u7684\u7236\u5b50\u5173\u7cfb\uff0c\u800c\u975e\u628a\u7236\u5bf9\u8c61\u7684\u5168\u90e8\u5c5e\u6027\u590d\u5236\u5230\u5b50\u5bf9\u8c61\u3002\u56e0\u6b64\uff1a\n\n1\u3001\u5f53\u6211\u4eec\u4fee\u6539\u67d0\u4e2a\u7236\u5bf9\u8c61\u7684\u5c5e\u6027\u503c\u65f6\uff0c\u4ec5\u8be5\u7236\u5bf9\u8c61\u7684\uff08\u5728\u786c\u76d8\u4e0a\u7684\uff09\u5b9e\u9645\u5b58\u50a8\u503c\u4f1a\u53d1\u751f\u53d8\u5316\uff0c\u800c\u5b83\u7684\u5b50\u5b59\u5bf9\u8c61\u7684\uff08\u5728\u786c\u76d8\u4e0a\u7684\uff09\u5b9e\u9645\u5b58\u50a8\u503c\u4e0d\u4f1a\u53d1\u751f\u4efb\u4f55\u53d8\u5316\uff0c\u5e76\u4e14\u4e0d\u4f1a\u5f71\u54cd\u8fd9\u4e24\u4e2a\u5bf9\u8c61\u7684\u7ee7\u627f\u5173\u7cfb\u3002\n\n2\u3001\u5f53\u6211\u4eec\u6b32\u4fee\u6539\u4efb\u610f\u4e00\u4e2a\u5bf9\u8c61\u7684\u5c5e\u6027\u503c\u65f6\uff0c\u9664\u4e86\u4f7f\u7528 oodb\uff08\u5373\u672c\u8f6f\u4ef6\uff09\u7684\u63a5\u53e3\u4fee\u6539\u4ee5\u5916\uff0c\u4e5f\u53ef\u4ee5\u76f4\u63a5\u901a\u8fc7 Navicat \u7b49\u7ba1\u7406\u5de5\u5177\u624b\u52a8\u4fee\u6539\uff0c\u4e8c\u8005\u7684\u6548\u679c\u662f\u5b8c\u5168\u4e00\u81f4\u7684\u3002\n\n## \u6761\u4ef6\u7b5b\u9009\n\n### \u793a\u4f8b\u4e00\uff1a\u7406\u89e3\u6761\u4ef6\u7b5b\u9009\u7684\u57fa\u672c\u8303\u5f0f\n\n\u7b5b\u9009\u3010\u5e74\u9f84>13\uff0c\u4e14\u89c6\u529b\u22674.6\uff0c\u4e14\u6027\u522b\u4e3a\u5973\u3011\u7684\u6570\u636e\uff0c\u5e76\u8fdb\u884c\u67e5\u6539\u5220\uff1a\n\n**\u67e5\u8be2**\uff1a`sheet[mc.\u5e74\u9f84 > 13][mc.\u89c6\u529b >= 4.6][mc.\u6027\u522b == '\u5973'].find( )`\n\n**\u4fee\u6539**\uff1a`sheet[mc.\u5e74\u9f84 > 13][mc.\u89c6\u529b >= 4.6][mc.\u6027\u522b == '\u5973'].update( {'\u5e74\u7ea7':'\u4e94\u5e74\u7ea7', '\u7231\u597d':'\u753b\u753b,\u8df3\u7ef3'} )`\n\n**\u5220\u9664**\uff1a`sheet[mc.\u5e74\u9f84 > 13][mc.\u89c6\u529b >= 4.6][mc.\u6027\u522b == '\u5973'].delete( )`\n\n### \u7b5b\u9009\u64cd\u4f5c\u6e05\u5355\n\n| **\u4ee3\u7801** | \u89e3\u91ca |\n| ------------------------------------------------------------------------------ | ----------------------------------------------- |\n| mc.\u5e74\u9f84 > 10 | \u5927\u4e8e |\n| mc.\u5e74\u9f84 >= 10 | \u5927\u4e8e\u6216\u7b49\u4e8e |\n| mc.\u5e74\u9f84 < 10 | \u5c0f\u4e8e |\n| mc.\u5e74\u9f84 <= 10 | \u5c0f\u4e8e\u6216\u7b49\u4e8e |\n| mc.\u5e74\u9f84 == 10 | \u7b49\u4e8e |\n| mc.\u5e74\u9f84 != 10 | \u4e0d\u7b49\u4e8e |\n| mc.\u5e74\u7ea7 == mf.isin( '\u521d\u4e09', '\u9ad8\u4e8c' ) | \u82e5\u5b57\u6bb5\u503c\u662f\u4f20\u5165\u503c\u7684\u6210\u5458\uff0c\u5219\u7b26\u5408 |\n| mc.\u5e74\u9f84 == mf.notin( 10, 30, 45 ) | \u82e5\u5b57\u6bb5\u503c\u4e0d\u662f\u4f20\u5165\u503c\u7684\u6210\u5458\uff0c\u5219\u7b26\u5408 |\n| mc.\u7231\u597d == mf.contain_all( '\u753b\u753b', '\u8db3\u7403' ) | \u82e5\uff08\u5217\u8868\uff09\u5b57\u6bb5\u503c\u5305\u542b\u4f20\u5165\u503c\u7684\u6240\u6709\u5143\u7d20\uff0c\u5219\u7b26\u5408 |\n| mc.\u7231\u597d == mf.contain_any( '\u753b\u753b', '\u8db3\u7403' ) | \u82e5\uff08\u5217\u8868\uff09\u5b57\u6bb5\u503c\u5305\u542b\u4f20\u5165\u503c\u7684\u81f3\u5c111\u4e2a\u5143\u7d20\uff0c\u5219\u7b26\u5408 |\n| mc.\u7231\u597d == mf.contain_none( '\u753b\u753b', '\u8db3\u7403' ) | \u82e5\uff08\u5217\u8868\uff09\u5b57\u6bb5\u503c\u4e0d\u5305\u542b\u4f20\u5165\u503c\u7684\u4efb\u4f55\u5143\u7d20\uff0c\u5219\u7b26\u5408 |\n| mc.\u59d3\u540d == mf.re( '\u5c0f' ) | \u6b63\u5219\u5339\u914d |\n| \\[mc.\u5e74\u9f84 > 3\\][mc.\u5e74\u9f84 < 100] | \u4ea4\u96c6\uff08\u65b9\u5f0f\u4e00\uff09 |\n| [ (mc.\u5e74\u9f84 > 3) & (mc.\u5e74\u9f84 < 100) ] | \u4ea4\u96c6\uff08\u65b9\u5f0f\u4e8c\uff09 |\n| [(mc.\u5e74\u9f84<30)| (mc.\u5e74\u9f84>30) | (mc.\u5e74\u9f84==30)\u00a0| (mc.\u5e74\u9f84==None)] | \u5e76\u96c6 |\n| [ (mc.\u5e74\u9f84 > 3) - (mc.\u5e74\u9f84 > 100) ] | \u5dee\u96c6 |\n| [ ~(mc.\u5e74\u9f84 > 100) ] | \u8865\u96c6 |\n\n\u6ce8\uff1a\n\n1\u3001isin\u3001notin \u7528\u4e8e\u5224\u65ad\uff08\u666e\u901a\uff09\u5b57\u6bb5\u7684\u503c\u662f\u5426\u4f20\u5165\u503c\u7684\u6210\u5458\uff0c\u9488\u5bf9\u666e\u901a\u5b57\u6bb5\u3002\n\n2\u3001contain_any\u3001contain_none \u7528\u4e8e\u5224\u65ad\u4f20\u5165\u503c\u662f\u5426\uff08\u5217\u8868\uff09\u5b57\u6bb5\u7684\u503c\u7684\u6210\u5458\uff0c\u9488\u5bf9\u5217\u8868\u5b57\u6bb5\u3002\n\n3\u3001isin\u3001notin\u3001contain_all\u3001contain_any\u3001contain_none \u7684\u4f20\u5165\u503c\u90fd\u4e0d\u5fc5\u662f\u540c\u7c7b\u578b\u7684\u6570\u636e\uff0c\u4ee5 isin \u4e3a\u4f8b\uff1a\u53ef\u4ee5\u8fd9\u6837\u4f7f\u7528\uff1amc.tag == mf.isin( 3, 3.5, '\u5b66\u751f', None )\uff0c\u4f20\u5165\u503c\u542b\u6709 int\u3001float\u3001str\u3001NoneType \u7b49\u591a\u79cd\u7c7b\u578b\u3002\n\n4\u3001\u6210\u5458\u8fd0\u7b97\u7b26\u672a\u4f20\u5165\u4efb\u4f55\u503c\u65f6\u7684\u5904\u7406\u65b9\u5f0f\uff1a\n\n| **\u4ee3\u7801** | **\u5904\u7406\u65b9\u5f0f** |\n| ----------------------------- | ------------------ |\n| mc.\u5e74\u7ea7 == mf.isin( ) | \u6240\u6709\u6570\u636e\u90fd \u4e0d\u7b26\u5408 |\n| mc.\u5e74\u7ea7 == mf.notin( ) | \u6240\u6709\u6570\u636e\u90fd \u7b26\u5408 |\n| mc.\u7231\u597d == mf.contain_all( ) | \u6240\u6709\u6570\u636e\u90fd \u7b26\u5408 |\n| mc.\u7231\u597d == mf.contain_any( ) | \u6240\u6709\u6570\u636e\u90fd \u4e0d\u7b26\u5408 |\n| mc.\u7231\u597d == mf.contain_none( ) | \u6240\u6709\u6570\u636e\u90fd \u7b26\u5408 |\n\n5\u3001\u56db\u79cd\u96c6\u5408\u8fd0\u7b97\u53ef\u4ee5\u76f8\u4e92\u5d4c\u5957\uff0c\u4e14\u53ef\u4ee5\u65e0\u9650\u5d4c\u5957\u3002\n\n### \u793a\u4f8b\u4e8c\uff1a\u7406\u89e3\u5e76\u96c6\u3001\u4ea4\u96c6\u3001\u8865\u96c6\u7684\u4f7f\u7528\n\n\u7b5b\u9009\u3010\u5e74\u9f84>13\u6216\u89c6\u529b\u22674.6\u3001\u4e14\u59d3\u540d\u542b\u6709\u2018\u5c0f\u2019\u3001\u4e14\u5e74\u9f84\u4e0d\u9ad8\u4e8e15\u3011\u7684\u6570\u636e\uff1a\n\n**\u67e5\u8be2**\uff1a`sheet[(mc.\u5e74\u9f84>13) | (mc.\u89c6\u529b>=4.6)][mc.\u59d3\u540d == mf.re('\u5c0f')][~(mc.\u5e74\u9f84>15)].find( )`\n\n**\u4fee\u6539**\uff1a`sheet[(mc.\u5e74\u9f84>13) | (mc.\u89c6\u529b>=4.6)][mc.\u59d3\u540d == mf.re('\u5c0f')][~(mc.\u5e74\u9f84>15)].update( {'\u5e74\u7ea7':'\u521d\u4e09'} )`\n\n**\u5220\u9664**\uff1a`sheet[(mc.\u5e74\u9f84>13) | (mc.\u89c6\u529b>=4.6)][mc.\u59d3\u540d == mf.re('\u5c0f')][~(mc.\u5e74\u9f84>15)].delete( )`\n\n### \u6839\u636e\u5b50\u5143\u7d20\u8fc7\u6ee4\n\n\u53ef\u4f7f\u7528 mc.xxx.xxx.xxx... \u7684\u5f62\u5f0f\u6765\u8868\u793a\u5b50\u5b59\u5143\u7d20\u3002\n\n\u67e5\u8be2\u3010\u8bed\u6587\u6210\u7ee9>80\u3011\u7684\u6570\u636e\uff1a\n\n```python\nsheet[mc.\u6210\u7ee9.\u8bed\u6587 > 80].find()\n```\n\n## \u7279\u6b8a\u5b57\u6bb5\u540d\u7684\u8868\u793a\u65b9\u6cd5\n\nMongoDB \u652f\u6301\u5404\u79cd\u7279\u6b8a\u7684\u5b57\u6bb5\u540d\uff0c\u5982\uff1a\u6570\u5b57\u3001\u7b26\u53f7\u3001emoji \u8868\u60c5\uff0c\u8fd9\u4e9b\u5b57\u7b26\u5728 Python \u4e2d\u4e0d\u662f\u5408\u6cd5\u53d8\u91cf\u540d\uff0c\u56e0\u6b64\u4f7f\u7528 mc.1\u3001mc.+ \u7b49\u683c\u5f0f\u4f1a\u62a5\u9519\uff0c\u53ef\u7528 mc['1']\u3001mc['+']\u3001mc['\ud83d\udc48'] \u8fd9\u79cd\u683c\u5f0f\u4ee3\u66ff\u3002\n\n## \u5b57\u6bb5\u63d0\u793a\n\n\u53d8\u91cf mc \u65e0\u5b57\u6bb5\u63d0\u793a\u529f\u80fd\uff0c\u8f93\u5165\u2018mc.\u2019\u540e\uff0c\u7f16\u8f91\u5668\u4e0d\u4f1a\u63d0\u793a\u53ef\u9009\u5b57\u6bb5\u3002\n\n\u4e3a\u4e86\u83b7\u5f97\u5b57\u6bb5\u63d0\u793a\u529f\u80fd\uff0c\u53ef\u81ea\u5efa\u4e00\u4e2a\u2018mc2\u2019\uff1a\n\n```python\nclass mc2(mc):\n \u59d3\u540d = \u5e74\u9f84 = \u5e78\u8fd0\u6570\u5b57 = None\n class \u6210\u7ee9:\n \u8bed\u6587 = \u6570\u5b66 = None\n\nsheet[mc.\u59d3\u540d == '\u5c0f\u738b'][mc2.\u5e74\u9f84 > 10].find()\nsheet[mc.\u59d3\u540d == '\u5c0f\u738b'][mc2.\u6210\u7ee9.\u8bed\u6587 > 80].find()\n```\n\n\u6ce8\uff1a\n\n1\u3001mc2 \u4e0e mc \u7528\u6cd5\u5b8c\u5168\u4e00\u81f4\uff0c\u53ef\u6df7\u7528\u3002\n\n2\u3001mc2 \u8bbe\u7f6e\u5b57\u6bb5\u63d0\u793a\u540e\uff0c\u4ec5\u5177\u5907\u63d0\u793a\u6548\u679c\uff0c\u800c\u4e0d\u4ea7\u751f\u4efb\u4f55\u5b9e\u9645\u7ea6\u675f\u3002\n\n## \u7edf\u8ba1 \u4e0e \u5220\u5e93\u5220\u8868\n\n| \u529f\u80fd | \u4ee3\u7801 |\n| ---------------------- | --------------------------- |\n| \u7edf\u8ba1\u5e93\u7684\u6570\u91cf | oom.len( ) |\n| \u7edf\u8ba1\u8868\u7684\u6570\u91cf | db.len( ) |\n| \u7edf\u8ba1\u884c\u7684\u6570\u91cf | sheet.len( ) |\n| \u7edf\u8ba1\u7b26\u5408\u6761\u4ef6\u7684\u884c\u7684\u6570\u91cf | sheet[ mc.age > 8\u00a0].len( ) |\n| \u83b7\u53d6\u5e93\u540d\u6e05\u5355 | oom.get_db_names( ) |\n| \u83b7\u53d6\u8868\u540d\u6e05\u5355 | db.get_sheet_names( ) |\n| \u5220\u9664\u67d0\u4e2a\u5e93 | db.delete_db( ) |\n| \u5220\u9664\u67d0\u5f20\u8868 | sheet.delete_sheet( ) |\n\n## \u8fed\u4ee3\u6240\u6709 \u5e93OOM \u548c \u8868OOM\n\n```python\nfor db in oom:\n for sheet in db:\n print(sheet.sheet_name)\n```\n\n## \u7279\u6b8a\u64cd\u4f5c\n\n### \u793a\u4f8b\uff1a\u81ea\u589e\n\n\u7531\u4e8e\u65b0\u5e74\u5230\u4e86\uff0c\u4ee4\u6240\u6709\u5b66\u751f\u7684\u5e74\u9f84\u589e\u52a0 1 \u5c81\uff1a\n\n```python\nsheet.update( {'\u5e74\u9f84': mo.inc( 1 )} )\n```\n\n### \u7279\u6b8a\u64cd\u4f5c\u6e05\u5355\uff1a\n\n| **\u8bed\u6cd5** | **\u542b\u4e49** |\n| --------------------- | -------------------------------------------------- |\n| mo.inc( 1.5 ) | \u81ea\u589e 1.5 |\n| mo.inc( -1.5 ) | \u81ea\u51cf 1.5 |\n| mo.add( 1, 2, 3 ) | \u5411\u5217\u8868\u5b57\u6bb5\u6dfb\u52a0\u5143\u7d20\uff0c\u4ec5\u5f53\u88ab\u6dfb\u52a0\u7684\u5143\u7d20\u4e0d\u5b58\u5728\u65f6\u624d\u6dfb\u52a0 |\n| mo.push( 1, 2, 3 ) | \u5411\u5217\u8868\u5b57\u6bb5\u6dfb\u52a0\u5143\u7d20\uff0c\u65e0\u8bba\u88ab\u6dfb\u52a0\u7684\u5143\u7d20\u662f\u5426\u5b58\u5728\u90fd\u6dfb\u52a0 |\n| mo.pull( 15 ) | \u4ece\u5217\u8868\u5b57\u6bb5\u5220\u9664 1 \u4e2a\u7b49\u4e8e 15 \u7684\u503c |\n| mo.popfirst | \u4ece\u5217\u8868\u5b57\u6bb5\u5220\u9664\u7b2c 1 \u4e2a\u5143\u7d20 |\n| mo.poplast | \u4ece\u5217\u8868\u5b57\u6bb5\u5220\u9664\u6700\u540e 1 \u4e2a\u5143\u7d20 |\n| mo.rename( '\u65b0\u540d\u79f0' ) | \u91cd\u547d\u540d\u5b57\u6bb5 |\n| mo.unset | \u5220\u9664\u5b57\u6bb5 |\n| mo.delete | \u5220\u9664\u5b57\u6bb5\uff08\u4e0e mo.unset \u7b49\u4ef7\uff09 |\n\n\u793a\u4f8b\uff1a\n\n```python\nsheet[mc.\u59d3\u540d=='\u5c0f\u516d'].update({\n '\u59d3\u540d': 'xiaoliu', # \u4fee\u6539\u4e3a\u2018xiaoliu\u2019\n '\u5e74\u9f84': mo.inc(6), # \u81ea\u589e6\n '\u5e78\u8fd0\u6570\u5b57': mo.push(666), # \u6dfb\u52a0666\n '\u89c6\u529b': mo.rename('\u773c\u529b'), # \u5b57\u6bb5\u540d\u6539\u4e3a\u2018\u773c\u529b\u2019\n '\u7c4d\u8d2f': mo.delete, # \u5220\u9664\u6b64\u5b57\u6bb5\n '\u6210\u7ee9.\u8bed\u6587': 60, # \u6539\u4e3a60\u5206\n '\u6210\u7ee9.\u6570\u5b66': mo.inc(-6) # \u51cf6\u5206\n})\n```\n",
"bugtrack_url": null,
"license": null,
"summary": "\u9762\u5411\u5bf9\u8c61\u6570\u636e\u5e93 \u2014\u2014 \u5f15\u5165\u4e86 Python \u4e2d\u7c7b\u7684\u7279\u6027\uff0c\u5982\uff1a\u7ee7\u627f\u3001\u91cd\u5199\u3001\u65b9\u6cd5\u3001\u52a8\u6001\u5c5e\u6027\u7b49\u3002",
"version": "1.0.3",
"project_urls": {
"Source": "https://github.com/lcctoor/arts/tree/main/arts/oodb"
},
"split_keywords": [
"oodbms",
" oodbs",
" oodb"
],
"urls": [
{
"comment_text": null,
"digests": {
"blake2b_256": "c83042c0aeb989200ff98da8a7ac5f57d1aae6d90e1803c55e7b65a8011d65ad",
"md5": "9f0e92af872e3a9db1eecdf3d635f1e2",
"sha256": "37b5bd3dba3b6b200a8e9a35142cea299ebff8c2df8b87acc18f11d03a0541e5"
},
"downloads": -1,
"filename": "oodb-1.0.3-py2.py3-none-any.whl",
"has_sig": false,
"md5_digest": "9f0e92af872e3a9db1eecdf3d635f1e2",
"packagetype": "bdist_wheel",
"python_version": "py2.py3",
"requires_python": null,
"size": 12065,
"upload_time": "2024-07-28T23:47:21",
"upload_time_iso_8601": "2024-07-28T23:47:21.290393Z",
"url": "https://files.pythonhosted.org/packages/c8/30/42c0aeb989200ff98da8a7ac5f57d1aae6d90e1803c55e7b65a8011d65ad/oodb-1.0.3-py2.py3-none-any.whl",
"yanked": false,
"yanked_reason": null
},
{
"comment_text": null,
"digests": {
"blake2b_256": "b5ef1aba0827a1bffdc2c16b0b0447eb994c695335f6db91160a26934da3e0e5",
"md5": "52914621d82b73cff4dfe3dcafb579f9",
"sha256": "40f9e1a99b41659108b72c8a46649e56939a8145943492c6ca443d1d57191799"
},
"downloads": -1,
"filename": "oodb-1.0.3.tar.gz",
"has_sig": false,
"md5_digest": "52914621d82b73cff4dfe3dcafb579f9",
"packagetype": "sdist",
"python_version": "source",
"requires_python": null,
"size": 26801,
"upload_time": "2024-07-28T23:47:23",
"upload_time_iso_8601": "2024-07-28T23:47:23.870117Z",
"url": "https://files.pythonhosted.org/packages/b5/ef/1aba0827a1bffdc2c16b0b0447eb994c695335f6db91160a26934da3e0e5/oodb-1.0.3.tar.gz",
"yanked": false,
"yanked_reason": null
}
],
"upload_time": "2024-07-28 23:47:23",
"github": true,
"gitlab": false,
"bitbucket": false,
"codeberg": false,
"github_user": "lcctoor",
"github_project": "arts",
"travis_ci": false,
"coveralls": false,
"github_actions": true,
"lcname": "oodb"
}
