FastAPI删除mongodb重复数据（数据清洗）

在 FastAPI 中删除 MongoDB 重复数据，你需要结合使用 MongoDB 查询和 FastAPI 的路由功能。以下是一个通用的例子，演示如何删除特定字段上的重复数据：

1. 定义数据模型:

from pydantic import BaseModel, Field from bson import ObjectId from typing import Optional  class PyObjectId(ObjectId):     @classmethod     def __get_validators__(cls):         yield cls.validate      @classmethod     def validate(cls, v):         if not ObjectId.is_valid(v):             raise ValueError("Invalid objectid")         return ObjectId(v)      @classmethod     def __modify_schema__(cls, field_schema):         field_schema.update(type="string")  class ItemBase(BaseModel):     field_to_check: str # 需要检查重复的字段  class Item(ItemBase):     id: Optional[PyObjectId] = Field(alias="_id")      class Config:         arbitrary_types_allowed = True         json_encoders = {ObjectId: str}  

2. 创建 MongoDB 连接:

from motor.motor_asyncio import AsyncIOMotorClient  MONGO_DETAILS = "mongodb://localhost:27017" # 替换为你的 MongoDB 连接字符串 client = AsyncIOMotorClient(MONGO_DETAILS) database = client["your_database_name"] # 替换为你的数据库名称 collection = database.get_collection("your_collection_name") # 替换为你的集合名称 

3. 实现删除逻辑:

from fastapi import FastAPI, HTTPException  app = FastAPI()  @app.delete("/items/duplicates/", response_model=list[Item]) async def delete_duplicate_items(field_name: str = "field_to_check"):     """     删除指定字段上的重复数据。      Args:         field_name (str, optional): 需要检查重复的字段名. Defaults to "field_to_check".      Returns:         list[Item]: 返回删除的重复文档列表.     """     # 使用聚合管道查找并删除重复项     pipeline = [         {"$match": {"version": 1}},  # 只处理 version 为 1 的文档         {"$group": {"_id": {"{}".format(field_name): "$"+field_name}, "count": {"$sum": 1}, "dups": {"$push": "$_id"}}},         {"$match": {"count": {"$gt": 1}}},         {"$unwind": "$dups"},         {"$skip": 1},          {"$project": {"_id": "$dups"}}     ]      duplicate_ids = [doc["_id"] async for doc in collection.aggregate(pipeline)]     if duplicate_ids:         deleted_items = []         for item_id in duplicate_ids:             result = await collection.find_one_and_delete({"_id": item_id})             if result:                 deleted_items.append(Item(**result))         return deleted_items      raise HTTPException(status_code=404, detail="没有找到重复数据") 

4. 运行 FastAPI 应用:

uvicorn main:app --reload 

解释:

• 数据模型: 使用 Pydantic 定义数据模型，确保数据一致性.
• MongoDB 连接: 使用 motor 库异步连接到 MongoDB 数据库.
• 聚合管道: 使用 MongoDB 的聚合管道查找重复数据：
  • $group: 按指定字段分组，计算每个分组中文档数量.
  • $match: 筛选数量大于 1 的分组，即存在重复数据的组.
  • $unwind: 将 dups 数组展开为多行.
  • $skip: 跳过每组的第一个文档，因为我们只删除重复的.
  • $project: 只保留 _id 字段.
• 删除数据: 使用 find_one_and_delete 方法删除找到的重复文档.
• 错误处理: 如果没有找到重复数据，抛出 404 错误.

注意:

• 将代码中的占位符替换为你自己的数据库和集合名称.
• 可以根据需要修改聚合管道，以适应不同的重复数据查找需求.