Python でWordPress 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 WordPress とpetl フレームワークを使って、WordPress 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WordPress 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。WordPress 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WordPress 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WordPress 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.wordpress as mod

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

cnxn = mod.connect("Url=http://www.yourwordpresshost.com;InitiateOAuth=GETANDREFRESH;OAuthSettingsLocation=/PATH/TO/OAuthSettings.txt")")

データに接続するには、Url を設定して認証を提供します。URL はワードプレスサイトに設定しなければなりません。そうしないと、サーバーが見つからない旨を示すエラーがスローされます。 例えば、あなたのサイトが'http://localhost/wp/wordpress' でホストされている場合、URL は'http://localhost' ではなく、'http://localhost/wp/wordpress' となるべきです。

詳細はヘルプドキュメントを参照してください。

WordPress をクエリするSQL 文の作成

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

sql = "SELECT Id, Name FROM Categories WHERE Id = '1'"

WordPress 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、WordPress データ を取得して、Name 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,'Name')

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

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

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

cnxn = mod.connect("Url=http://www.yourwordpresshost.com;InitiateOAuth=GETANDREFRESH;OAuthSettingsLocation=/PATH/TO/OAuthSettings.txt")")

sql = "SELECT Id, Name FROM Categories WHERE Id = '1'"

table1 = etl.fromdb(cnxn,sql)

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

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