mongodb操作需严格类型校验：datetime须为原生实例并显式转换；objectid字符串须转为objectid实例且先验证合法性；浮点数精度敏感场景应改用decimal128；嵌套字典中none字段需统一处理避免结构不一致。
插入前检查 datetime 是否为 datetime.datetime 实例
MongoDB 驱动（如 pymongo）只接受原生 datetime.datetime 或 datetime.date，传入字符串、time.struct_time、或第三方时间类型（如 pendulum.DateTime、arrow.Arrow）会直接抛 TypeError: cannot encode object。别指望自动转换——驱动不做猜测。
- 用
isinstance(obj, datetime.datetime)显式判断，不是就转：datetime.datetime.fromisoformat(s)（ISO字符串）、datetime.datetime.utcfromtimestamp(ts)（时间戳） -
date类型同理：isinstance(obj, datetime.date)，非原生就用datetime.date.fromisoformat() - 特别注意 Pandas 的
Timestamp：它不是datetime子类，必须调用.to_pydatetime()或.to_datetime64().astype(datetime.datetime)
ObjectId 字段误传字符串导致查询无声失败
把 "60a1b2c3d4e5f67890123456" 当作 ObjectId 直接塞进 find({"_id": "..."}) 不报错，但查不到数据——因为 MongoDB 把它当普通字符串匹配，而真实 _id 是 ObjectId 类型。这是最隐蔽的“类型错误”。
- 查前强制转换：
from bson import ObjectId，然后find({"_id": ObjectId(id_str)}) - 插入时也别手动生成字符串 ID；用
ObjectId()生成新值，或确保传入的是ObjectId实例 - 校验字符串格式：用
ObjectId.is_valid(id_str)判断是否合法，再转，避免InvalidId异常
浮点数精度丢失引发的写入/查询不一致
Python float 在序列化为 BSON 时可能被截断（尤其高精度小数），导致写入后读出来值变了，比如 3.141592653589793 变成 3.1415926535897931。这不是异常，但会影响数值比较和聚合结果。
- 对精度敏感场景（金融、科学计算），改用
Decimal：先from decimal import Decimal，再存为字符串或自定义编码（BSON 不原生支持Decimal，需用decimal128类型） - 启用
decimal128：from bson.decimal128 import Decimal128，存为Decimal128(str(d))；查出来是Decimal128实例，需调用.to_decimal() - 别依赖
float做等值查询，改用范围查询（{"price": {"$gte": 99.99, "$lte": 100.01}}）
嵌套字典里混入 None 和空字典导致字段缺失
pymongo 默认跳过值为 None 的字段（类似 Python 的 None → BSON null，但某些版本或配置下会被忽略），而空字典 {} 会被写入。这造成结构不一致：同一字段有时不存在，有时存在但为空对象。
- 统一用
dict.setdefault(key, {})或显式赋值，避免None进入文档 - 插入前做清理：
{k: v for k, v in data.items() if v is not None}，但注意这会删掉有意设为None的字段 - 更稳妥：用
ReplaceOne+upsert=True替代insert_one，配合$setOnInsert控制默认值
ObjectId 字符串没转就去查，以及 datetime 来自 Pandas 或 API 响应却没归一化。这两处不报错，但数据对不上，得盯日志、打日志、对比原始输入和 collection.find_one() 返回值。Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
