Conversor de SQL a MongoDB Gratis

SQL to MongoDB es una herramienta en línea gratuita que convierte consultas SQL en la sintaxis de consulta equivalente de MongoDB, ayudando a los desarrolladores a hacer la transición entre bases de datos.

Sí, es completamente gratuito y no requiere registro. Toda la conversión se realiza en el lado del cliente, dentro de tu navegador.

SQL to MongoDB admite consultas SELECT, INSERT, UPDATE y DELETE, y las convierte en sus equivalentes de MongoDB, incluidos find, insertOne, updateMany y deleteMany.

Por supuesto. El SQL to MongoDB Converter procesa todo en el lado del cliente, dentro de tu navegador. No se sube ni se almacena ningún dato en ningún servidor. Tu contenido permanece privado en tu dispositivo en todo momento.

Sí, el SQL to MongoDB Converter es totalmente adaptable y funciona en smartphones y tabletas. Puedes usarlo en cualquier dispositivo con un navegador web moderno, sin necesidad de descargar ninguna aplicación.

No se necesita ninguna cuenta ni registro. Simplemente abre el SQL to MongoDB Converter en tu navegador y empieza a usarlo de inmediato. No hay muros de registro ni restricciones de uso.

El SQL to MongoDB Converter admite una amplia variedad de formatos y lenguajes populares. Consulta la interfaz de la herramienta para ver la lista completa de opciones compatibles.

Simplemente introduce tu contenido en el campo correspondiente, ajusta las opciones a tu gusto y la herramienta lo procesará al instante. Luego puedes copiar el resultado al portapapeles o descargarlo.

El SQL to MongoDB Converter funciona en todos los navegadores modernos, incluidos Chrome, Firefox, Safari, Edge y Opera. Para una mejor experiencia, usa la última versión de tu navegador preferido.

Una cláusula WHERE de SQL se convierte en el objeto de filtro que MongoDB pasa a find(), o en una etapa $match cuando la consulta necesita un pipeline de agregación. Este conversor analiza tus condiciones una a una y traduce cada operador: = se convierte en un par clave-valor directo, mientras que >, <, >= y <= se convierten en $gt, $lt, $gte y $lte, y != o <> se convierte en $ne. Varias condiciones unidas con AND se envuelven en $and, y las condiciones unidas con OR se envuelven en $or, de modo que la lógica booleana se conserva. También se manejan predicados especiales: IN y NOT IN se mapean a $in y $nin, BETWEEN x AND y se convierte en un rango $gte/$lte, e IS NULL e IS NOT NULL se mapean a null y $ne: null. Pega arriba tu SELECT con filtro WHERE para ver el documento de filtro exacto que produce.

MongoDB no tiene un operador LIKE, así que esta herramienta convierte LIKE en un $regex que no distingue mayúsculas y minúsculas, con la marca $options: "i". La clave está en cómo maneja el comodín % de SQL: un patrón de prefijo como 'John%' ancla la expresión regular al inicio (^John), un patrón de sufijo como '%son' la ancla al final (son$), y un patrón de contención como '%admin%' elimina ambos anclajes para buscar coincidencias en cualquier parte de la cadena. El comodín de un solo carácter _ de SQL se traduce al punto de la expresión regular. NOT LIKE se envuelve en $not alrededor de la misma expresión regular, de modo que la coincidencia queda negada. Como la búsqueda con expresiones regulares puede ser más lenta que las búsquedas exactas en colecciones grandes, considera los patrones de prefijo anclado como los más favorables para el uso de índices. Prueba la consulta de ejemplo "SELECT with LIKE" en la herramienta para ver una conversión de patrón real.

MongoDB no une tablas como lo hace SQL, así que este conversor reescribe un JOIN como un pipeline de agregación construido alrededor de $lookup. Lee tu tabla FROM, la tabla unida y la condición de igualdad ON, y luego genera una etapa $lookup que trae los documentos coincidentes de la segunda colección, seguida de una etapa $unwind que aplana el arreglo unido en documentos individuales. Se admiten los JOIN INNER y LEFT con una única igualdad ON. Cualquier condición WHERE se incorpora en una etapa $match, ORDER BY se convierte en $sort, LIMIT se convierte en $limit, y una lista de columnas seleccionadas se convierte en una etapa $project, todo colocado en el orden correcto del pipeline. El resultado se etiqueta con una insignia de Agregación para que la estructura de varias etapas resulte evidente. Como el modelado de documentos a menudo reemplaza los joins por completo, evalúa si la incrustación se adapta mejor a tu esquema, y luego carga el ejemplo de JOIN para experimentar.

Las consultas GROUP BY se convierten en una llamada aggregate() con una etapa $group. Las columnas por las que agrupas se convierten en el _id de la etapa (un solo campo para una columna, o un objeto compuesto para varias), y tus funciones de agregación se mapean directamente a los acumuladores de MongoDB: COUNT(*) se convierte en $sum: 1, SUM se convierte en $sum, AVG se convierte en $avg, y MIN y MAX se convierten en $min y $max. Los alias de columna escritos con AS se conservan como los nombres de los campos de salida. Una cláusula WHERE se coloca en una etapa $match antes de $group, y una cláusula HAVING se convierte en una segunda etapa $match después de $group, reflejando el orden de filtrado tras la agregación propio de SQL. ORDER BY y LIMIT se añaden como etapas $sort y $limit. Prueba el ejemplo "GROUP BY with SUM" para ver cómo se representan los alias y HAVING en el pipeline.

El panel de resultados ofrece la misma consulta convertida en tres formatos mediante un selector de pestañas, para que puedas copiar el código que corresponde a tu entorno. Shell te da la sintaxis cruda de mongosh, como db.users.find({ age: { $gt: 25 } }), ideal para pegar directamente en la shell de Mongo o en Compass. Node.js envuelve el resultado en un esqueleto ejecutable que usa el driver oficial mongodb, con la configuración de MongoClient, una conexión a partir de tu variable de entorno MONGODB_URI, y la llamada al método de colección correspondiente. Python genera un esqueleto equivalente usando PyMongo, convirtiendo los nombres de métodos a snake_case, como insert_one y update_many. Los esqueletos son plantillas de partida, así que debes completar el nombre de la base de datos y el filtro final antes de ejecutarlos. Elige la pestaña que necesites y luego haz clic en Copiar para poner el código formateado en tu portapapeles.