Python でBright Data のデータを変換・出力するETL 処理を作る方法

Pythonエコシステムには多くのモジュールがあり、システム構築を素早く効率的に行うことができます。本記事では、CData Python Connector for API とpetl フレームワークを使って、Bright Data のデータにPython から接続してデータを変換、CSV に出力するETL 変換を実装してみます。

CData Python Connector は効率的なデータ処理によりBright Data のデータ にPython から接続し、高いパフォーマンスを発揮します。Bright Data にデータをクエリする際、ドライバーはフィルタリング、集計などがサポートされている場合SQL 処理を直接Bright Data 側に行わせ、サポートされていないSQL 処理については、組み込みのSQL エンジンによりクライアント側で処理を行います（JOIN やSQL 関数など）。

必要なモジュールのインストール

pip で必要なモジュールおよびフレームワークをインストールします：

pip install petl
pip install pandas

Python でBright Data のデータをETL 処理するアプリを構築

モジュールとフレームワークをインストールしたら、ETL アプリケーションを組んでいきます。コードのスニペットは以下の通りです。フルコードは記事の末尾に付いています。

CData Connector を含むモジュールをインポートします。

import petl as etl
import pandas as pd
import cdata.api as mod

接続文字列で接続を確立します。connect 関数を使って、CData Bright Data Connector からBright Data への接続を行います

cnxn = mod.connect("Profile=C:\profiles\BrightData.apip;AuthScheme=APIKey;ProfileSettings="APIKey=your_api_key"")

API キー認証の設定

Bright Data API を利用するには、Bright Data コントロールパネルから取得した API キーが必要です。Account Settings > API に移動して、API キーを生成または取得してください。

以下の接続プロパティを設定して接続を確立してください：

• AuthScheme：APIKey に設定します。
• APIKey：コントロールパネルから取得した Bright Data の API キーに設定します。

接続文字列の例：

Profile=C:\profiles\BrightData.apip;AuthScheme=APIKey;ProfileSettings="APIKey=your_api_key"

Bright Data をクエリするSQL 文の作成

Bright Data にはSQL でデータアクセスが可能です。AccountStatus エンティティからのデータを読み出します。

sql = "SELECT ,  FROM AccountStatus WHERE  = ''"

Bright Data データのETL 処理

DataFrame に格納されたクエリ結果を使って、petl でETL（抽出・変換・ロード）パイプラインを組みます。この例では、Bright Data のデータ を取得して、 カラムでデータをソートして、CSV ファイルにデータをロードします。

table1 = etl.fromdb(cnxn,sql)

table2 = etl.sort(table1,'')

etl.tocsv(table2,'accountstatus_data.csv')

CData Python Connector for API を使えば、データベースを扱う場合と同感覚で、Bright Data のデータ を扱うことができ、petl のようなETL パッケージから直接データにアクセスが可能になります。

おわりに

Bright Data Python Connector の30日の無償トライアル をぜひダウンロードして、Bright Data のデータ への接続をPython アプリやスクリプトから簡単に作成しましょう。

フルソースコード

import petl as etl
import pandas as pd
import cdata.api as mod

cnxn = mod.connect("Profile=C:\profiles\BrightData.apip;AuthScheme=APIKey;ProfileSettings="APIKey=your_api_key"")

sql = "SELECT ,  FROM AccountStatus WHERE  = ''"

table1 = etl.fromdb(cnxn,sql)

table2 = etl.sort(table1,'')

etl.tocsv(table2,'accountstatus_data.csv')