Title

Talend for DI を使用して Tweet を収集

自分も何回か参加（投稿）している Twitter の１時間お絵描き「#リリカルなのは版深夜の真剣お絵描き60分一本勝負」ですけど、

試しに Talend for DI を使用して収集してみました。（前に同じ様なネタを書いたのですけど、今回は具体的な設定項目付きです。）

ひとまず CSV 形式で出力

やっていることは tTwitterOAuth, tTwitterOAuthClose, tTwitterInput をそのまま使用しているだけです。

Schema はこのようにしています。

取得だけを考えているのでわりと適当です。

Including term(s) に “#リリカルなのは版深夜の真剣お絵描き60分一本勝負”

At (screen name) に “MizunagiKB” を設定（いわゆるエゴサーチ…なのですけど、自分に対するものでチェックした方がデバッグしやすいので）

出力に関しては、 tTwitterInput で Structured 出力に適合する物であればなんでも良いのですし、加工すら自前で行うのであれば、 raw JSON を選択しても問題ないです。

今回は tFileOutputDelimited でファイルに書き出しています。なお、 tTwitterInput は結果を UTF-8 で出力するため、 Advanced settings の Encoding を UTF-8 にしておかないとエラーになってしまいます。

Talend で作成した処理は java 環境があれば単品で動作するようにエクスポートする事が出来ます。あとは cron なり Scheduler に登録しておくと、任意の Tweet を収集する事が出来ます。

というメモ書きでした。

Talend で Tweet を集める

tTwitterOAuth プラグインの事を書いたので、ついでに記事とかかいてみたり。

Talend Open Studio + tTwitterOAuth を使用すると、かなり容易に Tweet を収集する事が出来ます。

基本的に、

tTwitterOAuth で認証
tTwitterInput で入力
tTwitterOAuthClose で終了

という流れになります。

Talend Open Studio for DI

上図では出力として tLogRow を使用していますが、もちろんモジュールを差し替えることでデータベース等への書き出しが可能です。

Talend Open Studio for DI のプラグイン追加方法

表題の通りで、プラグイン[1. TalendForge あたりで入手出来る物とか]の追加方法についての覚え書きです。

環境設定から追加する方法

まず、プラグインを保存しておくフォルダを作成します。
その場所に使用するプラグインを展開します。
環境設定を開き、 Talend -> Components 画面を開きます。
その中に User component folder という項目がありますので、その場所を指定します。

直接プラグインフォルダに追加する方法

以下の場所にフォルダごと放り込んで起動（既に起動している場合は再起動）するだけです。

Talend のインストールフォルダ

/plugins

/org.talend.designer.components.localprovider_(version)

/components

例えば tTwitterOAuth を追加する場合は、

Talend のインストールフォルダ

/plugins

/org.talend.designer.components.localprovider_(version)

/components

/tTwitterOAuth

/tTwitterOAuthClose

といった感じに配置します。

どちらの方法でもプラグインを使用することは出来ますが、環境設定から追加する方法をお薦めします。

Talend Open Studio の Twitter OAuth プラグイン

2014/01/25 追記

2014/01/21 の時点で、 Use SSL connection という項目が追加されたようです。

Version 2.1 – 01/21/2014

Added support for SSL connections

Added support for Twitter Stream API

Removed the deprecated logger parameter

Updated to twitter4j 3.0.6

この記事は残しておきますけど、必要な方は最新バージョンへのアップデートをしてください。

■

Twitter のデータをデータベースに読み込むために Talend Open Studio とそのプラグイン tTwitterOAuth が便利で使用しているのですが、2014年1月14日から Twitter API の呼び出しが SSL のみになりました。

これが原因で tTwitterOAuth も Twitter からデータを呼び込む事が出来なくなってしまったため、以下の修正を加えました。

twitter4j.conf.ConfigurationBuilder クラスを生成後に setUseSSL を行っているだけです。

（手元に環境がないため動作確認が出来ていません。 build error になるかも…）

<%@ jet

imports="

org.talend.core.model.process.INode

org.talend.core.model.process.ElementParameterParser

org.talend.core.model.process.IConnection

org.talend.core.model.process.IConnectionCategory

org.talend.designer.codegen.config.CodeGeneratorArgument

CodeGeneratorArgument codeGenArgument = (CodeGeneratorArgument) argument;

INode node = (INode)codeGenArgument.getArgument();

String cid = node.getUniqueName();

// Parameters

String consumer_key = ElementParameterParser.getValue(node,"__CONSUMER_KEY__");

String consumer_secret = ElementParameterParser.getValue(node,"__CONSUMER_SECRET__");

String access_token = ElementParameterParser.getValue(node,"__ACCESS_TOKEN__");

String access_token_secret = ElementParameterParser.getValue(node,"__ACCESS_TOKEN_SECRET__");

String connection_type = ElementParameterParser.getValue(node,"__CONNECTION_TYPE__");

String logger = ElementParameterParser.getValue(node,"__LOGGER__");

twitter4j.conf.ConfigurationBuilder cb_<%= cid %> = new twitter4j.conf.ConfigurationBuilder();

cb_<%= cid %>.setUseSSL(true);

cb_<%= cid %>.setOAuthConsumerKey(<%= consumer_key %>);

cb_<%= cid %>.setOAuthConsumerSecret(<%= consumer_secret %>);

cb_<%= cid %>.setOAuthAccessToken(<%= access_token %>);

cb_<%= cid %>.setOAuthAccessTokenSecret(<%= access_token_secret %>);

//cb_<%= cid %>.setLoggerImpl(<%=logger.length() > 0 ? "\"twitter4j.internal.logging." + logger + "\"" : null%>);

/**

* TODO: it's better to enable json ONLY if there are some json connection in the whole job

cb_<%= cid %>.setJSONStoreEnabled(true);

twitter4j.<%= connection_type %>Factory twitter_factory_<%= cid %> = new twitter4j.<%= connection_type %>Factory(cb_<%= cid %>.build());

twitter4j.<%= connection_type %> twitter_<%= cid %> = twitter_factory_<%= cid %>.getInstance();

globalMap.put("twitter_<%= cid %>",twitter_<%= cid %>);

Talend は、 java のソースコード（テンプレート）生成後にそれをビルドする仕組みになっていますので、こういった対応は楽[1. もしかしたら java の世界ではわりとポピュラーなのかもしれませんけど…]ですね。

試しに GitHub に branch を作成してみました。

https://github.com/MizunagiKB/talend-components-collection