Python でGoogle Search データを変換・出力するETL 処理を作る方法

こんにちは！ウェブ担当の加藤です。マーケ関連のデータ分析や整備もやっています。

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 GoogleSearch とpetl フレームワークを使って、Google Search 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Google Search results にPython から接続し、高いパフォーマンスを発揮します。Google Search 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Google Search 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Google Search 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.googlesearch as mod

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

cnxn = mod.connect("CustomSearchId=def456;ApiKey=abc123;")

Google カスタム検索エンジンを使って検索するには、CustomSearchId およびAPIKey 接続プロパティが必要です。

CustomSearchId を取得するには、Google カスタム検索エンジンにサインインして検索エンジンを新規作成します。

APIKey を取得するには、Google API Console でカスタム検索API を有効にします。

Google Search をクエリするSQL 文の作成

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

sql = "SELECT Title, ViewCount FROM VideoSearch WHERE SearchTerms = 'WayneTech'"

Google Search Results 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、Google Search results を取得して、ViewCount 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,'ViewCount')

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

CData Python Connector for GoogleSearch を使えば、データベースを扱う場合と同感覚で、Google Search results 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

Google Search Python Connector の30日の無償トライアル をぜひダウンロードして、Google Search results 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.googlesearch as mod

cnxn = mod.connect("CustomSearchId=def456;ApiKey=abc123;")

sql = "SELECT Title, ViewCount FROM VideoSearch WHERE SearchTerms = 'WayneTech'"

table1 = etl.fromdb(cnxn,sql)

table2 = etl.sort(table1,'ViewCount')

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