フィルタリングと文字列置換とプログラムによる変換方法｜Talend Open Studio によるビッグデータ分析(第5回)

1 フィルタリング(tFilterRow)と文字列置換(tReplace)とプログラムによる変換(tMap)を紹介

フィルタリング(tFilterRow)と文字列置換(tReplace)とプログラムによる変換(tMap)を紹介

前回、Talendでフォルダ検索を行い、フォルダ中のファイルを1つのファイルに追記する方法までのジョブを作成しました。また、コンテキストやサブジョブについても触れました。今回は、読み取ったデータの変換方法です。変換方法には、様々なコンポーネントがありますが、今回はその中で利用頻度が高い3つのコンポーネントについてご紹介します。

作成するジョブの紹介

今回、作成するジョブは、前回の作成した機能以外のフィルタリングと変換処理(下記の3と4と5)です。また、コンポーネント同士を紐づける方法については、前回までの応用で行えますので、説明からは省かせていただきます。

フォルダ内を検索
フォルダの検索結果からファイルを読み込む
読込結果の行フィルタリング
読込結果のプログラミングによる変換処理
読込結果の文字列置換
変換結果の書込み(追記)

フィルタリング(tFilterRow)

tFilterRowコンポーネントは、指定したカラムの条件に一致する行だけを抽出するコンポーネントです。使い方はシンプルで、フィルタリング条件のカラム名を「入力カラム」に、比較条件を「オペレータ」に、比較値を「値」に入力します。

「ファンクション」は、「入力カラム」で指定したカラム値の変換方法になります。通常の「空」の場合は無変換のカラム値で比較し、「長さ」の場合はカラム値の文字数で比較を行います。その他に「小文字」「大文字」などのファンクションが選択できます。下記のイメージの場合、「store_code」の値の桁数が0桁より多い行を取得している事になります。

文字列置換(tReplace)

tReplaceコンポーネントは、指定したカラムの文字列置換するコンポーネントです。こちらも使い方はシンプルで、フィルタリング条件のカラム名を「入力カラム」に、検索対象文字列を「検索」に、置換文字列をを「置換」に入力し、通常の文字列置換の場合は「単語全体」のチェックは外してください。また、検索対象文字列を正規表現で指定可能ですので、「前方の○○文字を置換」といった高度な文字列置換も可能です。

プログラムによる変換(tMap)

tMapコンポーネントは、複数の種類の入力ファイルを1つにまとめる(結合)するコンポーネントです。また、コンポーネント設定でJavaプログラムを記載できる場所があり、今回は、それを使用しプログラムによる変換処理を記述します。

tMapコンポーネントの設定画面は専用の設定画面を持っています。設定画面を開くためには、配置したtMapアイコンをダブルクリックしてください。

設定画面を開きましたら、最初に右上の「＋」ボタンをクリックして空のスキーマを作成し、作成された空のスキーマに左側の取得元カラムをドラック＆ドロップで出力カラムを追加します。次に変換処理を行うプログラムを記述するために、中央の「＋」ボタンをクリックして変数を追加し、変数名とタイプ(出力データ型)を設定します。そして、「式」の入力エリアにある「…」ボタンをクリックして「式ビルダ」画面を表示します。

式ビルダ画面では、「式」エリアにJavaプログラムを記載できます。記載するプログラムは下記内容に記述してください。

記載するプログラムは必ず処理結果を返す
記載するプログラムは1行(ステップ)の命令
記載するプログラムは標準の関数以外に作成した関数を使用可能(関数はリポジトリの「コード」から作成)
取得元のカラム値を取得したい場合、「変数」リストから選択できる

Talendはプログラムを記述することで自由度が高くなる

今まで本稿を含め3回の連載でTalendの簡単なジョブの作成をご紹介しました。様々なETL処理はあると思いますが、これらのテクニックの応用で大半の変換処理は行えると思います。特にtMapコンポーネントは、Javaプログラムを記載することで、他のETLツールより自由度の高い変換処理が行えると思います。更に、tJavaコンポーネント(複数ステップ(行)のプログラムを記載)やtLibraryLoadコンポーネント(jarなどの外部ライブラリ参照)などを使うことで、より高度な処理が行えると思います。

次回からは、ETL処理の「Extract(取得)」処理と「Load(登録)」処理して、DBへの接続、Amazonクラウドサービス(AWS)への連携方法について記載しようと思います。