我有通过使用python脚本和pandas从会计导入excel文件创建的文档集合：
data = pd.read_excel(fileName, header=0, na_values='') #read the excel file with headers in first row
collection.insert_many(pd.DataFrame.to_dict(data, orient='records')) #insert data to database collection as one row per document with column header as key and cell value as value
集合中的单个文档是发票上的单个位置，如下所示：
{
"_id" : ObjectId("596f54f63c25b40b60e8e740"),
"kod kontrahenta" : "MAXIMA",
"nazwa kontrahenta" : "KALINOWSKI RAFAŁ \"Przedsiebiorstwo MAXIMA\"",
"numer faktury" : "001/07/17/FVS",
"data sprzedaży" : ISODate("2017-07-03T00:00:00Z"),
"data wystawienia" : ISODate("2017-07-04T00:00:00Z"),
"termin płatności" : ISODate("2017-10-02T00:00:00Z"),
"kod towaru" : 30020520,
"nazwa towaru" : "NIBOPREN N726 BOSTIK TIN 4,5 KG",
"ilość sprzedana" : 5,
"jm" : "szt",
"cena sprzedaży" : 110.25,
"wartość sprzedaży" : 551.25,
"dokument wydania" : "0004/7/17/WZ",
"ilość wydana" : 5,
"koszt jednostkowy" : 59.69199999999999,
"koszt ogółem" : 298.46,
"marża" : 84.69811700060312,
"rabat %" : 0,
"Rodzaj kontrahenta" : "Danuta Kamińska",
"Masa intrastat" : 4.5,
"Wartość z KWM" : NaN,
"Masa sprzedana" : 22.5,
"Grupowanie CC" : "Softflooring"
}
会计正在从特定时间范围导出数据，并且必须将此数据添加到集合中 . 可能会发生会计将两次导出部分数据（例如，当他们希望在月中完成某些报告时，稍后将导出月份完整月份的数据） . 我正在寻找有效的方法来检测文档是否已经收集，而不是插入两次，因为它对报告结果至关重要 .