bson.decode_file_iter()可直接读取裸BSON文件，需用'rb'模式打开，返回dict迭代器，自动还原ObjectId、Datetime等类型，但须手动转字符串才能JSON序列化。
用 bson.decode_file_iter() 直接读取 bson 文件，不连数据库
MongoDB 备份出来的 .bson 文件是二进制序列化数据，不是 JSON，不能用 json.load() 或 pickle.load() 打开。Python 的官方 bson 库（来自 pymongo）提供了 bson.decode_file_iter()，它能逐条解析文件里的 BSON 文档，完全脱离 mongod 进程运行。
常见错误是试图用 open(..., 'r') 读文本——BSON 是二进制格式，必须用 'rb' 模式打开；另一个坑是误用 bson.loads()（它只处理单个 BSON 字节串，不是整个文件）。
- 确保已安装
pymongo：pip install pymongo - 文件必须是纯 BSON 格式（如
mongodump生成的 collection.bson），不含额外头尾或元数据 -
bson.decode_file_iter()返回一个迭代器，每项是dict，字段名、嵌套结构、ObjectId、Datetime等类型都按原样还原
遇到 InvalidBSON: invalid object size 怎么办
这个错误几乎总是因为文件不是“裸 BSON”：可能是压缩包（.gz/.bz2）、tar 包、带 metadata 的 mongodump 归档，或者被截断/损坏。MongoDB 官方备份工具 mongodump 默认生成的是 BSON + 元数据 JSON 混合目录结构，单独拎出的 .bson 文件才可直读。
- 先确认文件头：
head -c 4 yourfile.bson | hexdump -C—— 正常 BSON 开头 4 字节应为小端整数，表示第一个文档长度（如1a 00 00 00表示 26 字节） - 如果开头是
1f 8b（gzip）或42 5a（bzip2），需先解压：gunzip -k yourfile.bson.gz - 若文件来自
mongodump --archive，它生成的是归档流，不是单个 BSON 文件，不能直接用decode_file_iter()
提取特定字段或过滤条件时，别在内存里攒全量数据
大 bson 文件（几百 MB 以上）用 list(bson.decode_file_iter(...)) 会瞬间吃光内存。真正要做的只是“提取某几个字段”或“找满足条件的记录”，应该边读边筛。
立即学习“Python免费学习笔记（深入）”；
- 用
for doc in bson.decode_file_iter(f)迭代，对每个doc做轻量判断（如if doc.get('status') == 'active'） - 提取字段推荐字典推导或显式构造：
{'id': doc['_id'], 'name': doc.get('name')}，避免深拷贝整个doc -
ObjectId和Datetime类型可直接用，但写入 JSON 前得手动转成字符串，否则json.dumps()会报错
import bson
from datetime import datetime
with open('users.bson', 'rb') as f:
for doc in bson.decode_file_iter(f):
if doc.get('created_at', datetime.min) > datetime(2023, 1, 1):
print({'_id': str(doc['_id']), 'email': doc.get('email')})
注意 ObjectId 和时区敏感字段的处理
BSON 中的 ObjectId 和 Datetime 在 Python 里是具体对象，不是字符串。如果你后续要导出为 JSON 或存入其他系统，忽略类型转换会导致序列化失败或时区偏移。
-
ObjectId必须显式转成字符串：str(doc['_id'])，否则 JSON 序列化报TypeError: Object of type ObjectId is not JSON serializable -
Datetime对象默认无时区（tzinfo=None），MongoDB 存储的是 UTC 时间；若原始数据含时区，Python 解析后仍为 naive datetime，需用doc['ts'].replace(tzinfo=timezone.utc)显式标注 - 不同 pymongo 版本对
Decimal128支持程度不同，老版本可能直接抛异常，建议加try/except包裹关键字段访问
