Python でBrowserless 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、Browserless 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Browserless 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。Browserless 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Browserless 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Browserless 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 Browserless Connector からBrowserless への接続を行います
cnxn = mod.connect("Profile=C:\profiles\Browserless.apip;AuthScheme=APIKey;ProfileSettings="ApiKey=your_api_token";")
Browserless は HTTP API トークン認証を使用します。Browserless の API トークンは、すべてのリクエストで token クエリパラメータとして送信されます。トークンは https://account.browserless.io/ の Browserless ダッシュボードで生成または確認できます。
API キー認証の設定
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：Browserless の API トークンに設定します。
接続文字列の例：
Profile=C:\profiles\Browserless.apip;AuthScheme=APIKey;ProfileSettings="ApiKey=your_api_token";
Browserless をクエリするSQL 文の作成
Browserless にはSQL でデータアクセスが可能です。Map エンティティからのデータを読み出します。
sql = "SELECT , FROM Map WHERE Url = 'https://www.example.com'"
Browserless 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、Browserless 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,'map_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、Browserless 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
Browserless Python Connector の30日の無償トライアル をぜひダウンロードして、Browserless 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\Browserless.apip;AuthScheme=APIKey;ProfileSettings="ApiKey=your_api_token";")
sql = "SELECT , FROM Map WHERE Url = 'https://www.example.com'"
table1 = etl.fromdb(cnxn,sql)
table2 = etl.sort(table1,'')
etl.tocsv(table2,'map_data.csv')