取得したデータを再フォーマットする
Sunday, April 08, 2018 10:28 AMWebスクレイピングスのプロジェクトでは、一部のデータは欲しい形式ではないかもしれません。ですから、Octoparseは8つのデータ再フォーマットオプションを提供し、抽出したデータを処理できます。
Octoparseでこれらの機能に使うには、ステップが5つあります。
1. 再フォーマットするデータを選択します。
2. 
をクリックして、データフィールドをカスタマイズします。
3.「Refine extracted data」を選択します。
4.「Add step」をクリックします。
5. データ再フォーマットオプションを選択します。
再フォーマットオプションを紹介する前に、「string（文字列）」という用語を説明します。
プログラミングでは、「string（文字列）」は基本的に文字、数字、記号、句読点などの文字の集合を指します。例えば、「 」（スペース）は文字列です。「Octoparse」は文字列です。「Hello 2 *% World!」も文字列です。文字列には文字がない可能性もあります。つまり、文字のない文字列は空です。単語を空の文字列で置き換えると、単語を削除します。
Octoparseのデータ再フォーマットオプションの機能説明には「string」という単語がよく見られます。「string」を見ると、そのオプションで文字、単語、数字、スペース、句読点などのデータに対応できることがわかります。
2. Replace with regular expression
3. Match with regular expression
7. Reformat extracted data/time
1. Replace
機能：抽出したデータ内の特定の文字列を新しい文字列に置き換えます。
2. Replace with regular expression
機能：正規表現を使って、抽出したデータ内の特定の文字列を新しい文字列に置き換えます。
正規表現の詳細は、 W3schools 
をご覧ください。
3. Match with regular expression
機能：正規表現を使って、抽出したデータから指定する文字列を取得します。
正規表現の詳細は、 W3schools をご覧ください。
Octoparseには正規表現を自動生成できるRegExツールもあります。RegExツールを使って正規表現を生成する方法を見てみましょう。
例えば、抽出した外部HTMLから星評価の数値を取得します。
· 「Try RegEx Tool」をクリックします。
· マッチ基準を入力します： start with「alt=" 」 end with「star rating"」
· 「generate」をクリックして正規表現を生成します。
· 「Match」をクリックして、一致する文字列を選択します。
· 「Apply」をクリックします。
· 「OK」をクリックして設定を保存します。
4. Trim spaces
機能：抽出したデータの最初または最後から不要なスペースを削除します。
データの中のペースを削除する場合は、Replace または Replace with regular expression を使います。
5. Add a prefix
機能：抽出したデータの先頭に文字列を追加します。
6. Add suffix
機能：抽出したデータの最後に文字列を追加します。
7. Reformat extracted data/time
機能：抽出した日付/時刻を14類の内蔵フォーマットに、またはカスタマイズされたフォーマットに変更します。
8. HTML transcoding
機能：特定のHTMLタグをプレーンテキストに自動変換します。たとえば、 ">"を ">"に変換し、 " "をスペースに変換します。
関連記事：
