/etlpy

a smart stream-like crawler & etl python library

Primary LanguagePythonApache License 2.0Apache-2.0

etlpy

##designed by desert a smart stream-like crawler & etl python library

##1.简介 etlpy是基于配置文件的数据采集和清洗工具。

写爬虫和数据清洗代码总是很烦人。因此,应该通过工具生成爬虫和数据清洗的代码! etlpy就是为了解决这个问题而生的。

通过可视化和图形化设计工具,快速生成爬虫和数据清洗流程,并保存为xml文件,并由etlpy引擎解析它,即可获得最终的数据结果。

##2.使用 使用起来非常简单:

from etl import ETLTool
tool = ETLTool();
tool.LoadProject('project.xml', '数据清洗ETL-大众点评');
datas = tool.RefreshDatas();
for r in datas:
  print(r)

RefreshDatas函数返回的是生成器,通过for循环,即可自动读取所有数据。

##3.基本原理 模块分为 生成,过滤,排序,转换,执行四种。

利用Python的生成器,可以将不同模块组织起来,定义一个流水线,数据(python的字典)会在流水线上被加工和消费。

图形化工具是用C#开发的,使用了类似Python生成器的Linq技术。其原始思路来自于Lisp的s-表达式。

##4. 用途 爬虫,计算,清洗,任何符合一定计算范式的数据,都可以使用它来完成。