Python でScrapingBee 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、ScrapingBee 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ScrapingBee 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。ScrapingBee 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ScrapingBee 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ScrapingBee 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 ScrapingBee Connector からScrapingBee への接続を行います

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

API キー認証の設定

ScrapingBee は API キー認証を使用します。API キーを取得するには、以下のステップで進めます：

1. https://app.scrapingbee.com で ScrapingBee アカウントにサインインします
2. Dashboard に移動して、上部のセクションで API キーを確認します。
3. 接続文字列で使用する API キーをコピーします。

API キーを取得したら、以下の接続プロパティを設定します：

• AuthScheme：APIKey に設定します。

• APIKey：ScrapingBee の API キーに設定します。

接続文字列の例

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

ScrapingBee への接続

認証を設定すると、ScrapingBee に接続して、利用可能なテーブルからデータをクエリできます。すべてのテーブルでは、データを取得するために少なくとも 1 つの入力パラメータ（検索クエリや商品 ID など）が必要です。

ScrapingBee をクエリするSQL 文の作成

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

sql = "SELECT ,  FROM GoogleSearchResults WHERE SearchQuery = 'cdata drivers'"

ScrapingBee 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、ScrapingBee 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,'googlesearchresults_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、ScrapingBee 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

ScrapingBee Python Connector の30日の無償トライアル をぜひダウンロードして、ScrapingBee 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\ScrapingBee.apip;AuthScheme=APIKey;ProfileSettings="APIKey=your_api_key";")

sql = "SELECT ,  FROM GoogleSearchResults WHERE SearchQuery = 'cdata drivers'"

table1 = etl.fromdb(cnxn,sql)

table2 = etl.sort(table1,'')

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