表抽出

Studio のモダン エクスペリエンスの一部である表抽出機能では、UI Automation アクティビティ パッケージを使用して、アプリケーションから構造化データを自動的に抽出し、それを DataTable オブジェクトとして保存して、さらにオートメーション プロセスで使用することができます。

このプロセスは、Studio の [表抽出] レコーダーを使用することで実行できます。このレコーダーは、現在のプロジェクトに UI Automation v21.4 以降のパッケージがインストールされており、[モダン エクスペリエンス] を選択している場合は、リボンからアクセスできます。

ワークフローで [表データを抽出] アクティビティを使用している場合も、同じウィザードを使用できます。

表抽出レコーダーを使用する

プロジェクトで [モダン エクスペリエンス] を選択しており、UI Automation アクティビティ パッケージがインストールされている場合は、Studio のリボンに [表抽出] レコーダーがあります。

リボンの [表抽出] ボタンをクリックすると、表抽出ウィザードが開きます。

このウィザードを使用すると、[表データを抽出] アクティビティが提供する機能スイート全体を非常に簡単に設定できます。

利用可能な UI フレームワーク ([既定]、[UI Automation]、または [Active Accessibility]) を切り替えるには、ドロップダウン メニューからオプションを選択するか、F4 キーを押します。

また、[情報] セクションでは、構造化データを正常に抽出するために必要な手順をすべて確認できます。このセクションを折りたたむと、現在の手順に関するより詳しい情報が表示されます。

To begin the process of extracting data, simply click the Add Data button. This starts the process of indicating a series of similar elements that can be used to identify the table you want to create. This starts the Indicate process, which highlights all the detected elements of the application you are currently working with. By selecting the button, you can extract URLs and image sources of the extracted data, if they are present. These are added as a new column to your final table.

上の図に示すように、列ヘッダーをクリックすると、ウィザードでメッセージが表示され、自動的に識別された、使用可能な列すべてを抽出するかどうか尋ねられます。[はい] を選択すると、表全体がスクレイピングされます。

最初の列から要素のうち 1 つのみに近い要素 (最小の共通の親要素) を選択すると、それが自動的に新しい列の最初の要素と見なされます。

表が複数のページにまたがる場合は、[次へ] ボタンをクリックすると、次のページへのナビゲーション ボタンまたはリンクを選択できます。

各列は個別に編集または削除できるため、最終的な表を自由にカスタマイズできます。

必要なデータをすべて選択したら、[保存して Studio に戻る] ボタンをクリックすると、ウィザードが自動的に閉じ、ワークフローで行った作業内容がすべて保存されます。

抽出データを編集する

[表データを抽出] アクティビティの本体に表示されるコンテキスト メニューで [抽出データを編集] オプションを選択すると、既にスクレイピングされている表の編集を再開できます。このオプションを使用すると、それまでに行ったすべての設定を含むウィザードが再度開くので、中断した場所から設定を再開できます。

列を編集する

編集する列の横にある歯車アイコンをクリックすると、[列の設定] ウィンドウが開きます。

ここで、[列名] を編集できます。テキスト ボックスを使用して、最終的な表の列に使用する名前を指定することで、編集を実行できます。

[データを次の形式で解析] ドロップダウン メニューを使用すると、列に使用できる 3 つの主なデータ型 ([テキスト]、[数値]、および [日付と時刻]) のいずれかを選択できます。

[サンプル] テキスト ボックスには、[データを次の形式で解析] ドロップダウンで選択したデータ型として解析される列の値のサンプルが表示されます。

テキスト

[並べ替え] ドロップダウン メニューは、列内のデータを並べ替えるかどうかを指定します。既定では、[なし] が選択されており、データの並べ替えは実行されません。列内のデータをアルファベット順に並べ替えるには、希望する方法に応じて、[昇順] または [降順] を選択できます。

Number

[データを次の形式で解析] ドロップダウンで [数値] を選択すると、数値固有のその他のオプションが表示されます。

[並べ替え] ドロップダウン メニューは、列内のデータを並べ替えるかどうかを指定します。既定では、[なし] が選択されており、データの並べ替えは実行されません。列内のデータを英数字順に並べ替えるには、希望する方法に応じて、[昇順] または [降順] を選択できます。

[小数点区切り] は、最終的な表で小数点区切りに使用する記号を指定します。既定では、この記号は「.」です。

[3 桁の区切り文字] は、最終的な表で 3 桁の区切り文字に使用する記号を指定します。既定では、この記号は「,」です。

注:

数字をスクレイピングする場合、数字は選択したオプションに従って解析され、区切り文字およびその他の記号 (例: $) は削除されます。

日付と時刻

[データを次の形式で解析] ドロップダウンで [日付と時刻] を選択すると、日付と時刻の形式に固有のその他のオプションが表示されます。

編集中の列が指定した形式と一致しない場合、[列の設定] ウィンドウの [サンプル] セクションに通知が表示されます。

[並べ替え] ドロップダウン メニューは、列内のデータを並べ替えるかどうかを指定します。既定では、[なし] が選択されており、データの並べ替えは実行されません。列内のデータを日付順に並べ替えるには、希望する方法に応じて、[昇順] または [降順] を選択できます。

[日付の解析形式] ドロップダウンでは、サポートされている多数の日付と時刻の形式から選択できます。

注:

日付を選択すると、日付はオペレーティング システムで選択した形式に従って書式設定されます。ウィザードで選択された解析形式は、スクレイピング対象のデータを識別するためにのみ使用されます。

[設定] セクション

[設定] セクションでは、表内の要素の抽出を制限するかどうかを選択できます。既定では、このオプションは [制限なし] に設定されています。つまり、抽出は制限されず、表示されている表全体がスクレイピングされます。

[最大行数] オプションは、右側のフィールドに表示されている行数にスクレイピングを制限します。既定では、これは 1,000 行に設定されています。

[最大ページ数] オプションは、右側のフィールドに表示されているページ数にスクレイピングを制限します。既定では、これは 100 ページに設定されています。

[プレビュー] セクション

[プレビュー] セクションは、指定したテーブルで識別される列と行の数を指定します。また、目の形のボタンをクリックすると、抽出された表のプレビューを確認できます。

プレビューは、オフライン モードでの編集時には無効化されます。

メタデータを抽出

[メタデータを抽出] プロパティには、列ごとに抽出されるデータを識別するパスの XML 定義が含まれます。データ抽出ターゲット (セレクターによって定義された) から列要素までのパスが構築されます。このパスでは、tag、idx、text などの属性が使用されます。

例：

<extract> 
<!—columns data identified by a path > 
<column exact='1' name=’Description’ attr='text'> 
<webctrl tag='div' /> 
<webctrl tag='div' idx='1' /> 
<webctrl tag='div' idx='1' /> 
<webctrl tag='div' idx='2' /> 
<webctrl tag='div' idx='1' /> 
<webctrl tag='div' idx='1' /> 
<webctrl tag='span' idx='1' /> 
</column> 
<column exact='1' name=’Currency’ attr='text'> 
<webctrl tag='div' /> 
<webctrl tag='div' idx='1' /> 
<webctrl tag='div' idx='1' /> 
<webctrl tag='div' idx='2' /> 
<webctrl tag='div' idx='1' /> 
<webctrl tag='div' idx='1' /> 
<webctrl tag='span' idx='2' /> 
</column> 
</extract>

ユーザーが指定したサンプル データを識別するのに、tag、idx、および text 属性では不十分な場合は、パスではなく CSS セレクターが生成されます。このセレクターは、サンプル要素の共通クラスを使用します。

例：

<extract> 
<!—column data identified by a path > 
<column exact='1' name='Description' attr='text'> 
<webctrl tag='li' /> 
<webctrl tag='div' idx='1' /> 
<webctrl tag='a' idx='1' /> 
<webctrl tag='div' idx='2' /> 
<webctrl tag='div' idx='1' /> 
<webctrl tag='h3' idx='1' /> 
</column> 
<!—column data identified by a css-selector > 
<column css-selector='.currency-value' name='Currency' attr='text' /> 
</extract>

[説明] 列では、tag および index 属性を使用して列データを識別します。

[通貨] 列では、要素はサンプルの共通クラスを含む CSS セレクターを使用して識別されます。

必要に応じて、[説明] にも CSS セレクターを使用できます (利用可能な場合)。

<extract> 
<!—columns data identified by css-selectors > 
<column css-selector='.product-title ' name='Description' attr='text' /> 
<column css-selector='.currency-value' name='Currency' attr='text' /> 
</extract>

行定義では、列と同じ識別方法が使用されます。また、行定義は相関するデータを抽出するために使用されます。行には、各列の要素が含まれます。

例：

<extract> 
<! -- row definition - ->  
<row exact='1'> 
<webctrl tag='li' /> 
<webctrl tag='div' idx='1' /> 
<webctrl tag='a' idx='1' /> 
<webctrl tag='div' idx='2' /> 
<webctrl tag='div' idx='1' /> 
</row> 
<column exact='1' name='Description' attr='text'> 
<webctrl tag='li' /> 
<webctrl tag='div' idx='1' /> 
<webctrl tag='a' idx='1' /> 
<webctrl tag='div' idx='2' /> 
<webctrl tag='div' idx='1' /> 
<webctrl tag='h3' idx='1' /> 
</column> 
<column css-selector='.currency-value' name='Column' attr='text' /> 
</extract>

表の設定

このプロパティには、スクレイピング ウィザードで定義された、列設定の XML 定義が含まれます。[名前] や [形式] などの列プロパティは、この XML 定義で直接変更でき、実行時に出力データ テーブルを構築する際に使用されます。

例：

<table xmlns:xsi='http://www.w3.org/2001/XMLSchema-instance' xmlns:xsd='http://www.w3.org/2001/XMLSchema' Type='Structured'> 
<Column xsi:type='DataColumn' ReferenceName='Column0' Name=’Description'> 
<Format xsi:type='TextColumnFormat' /> 
</Column> 
<Column xsi:type='DataColumn' ReferenceName='Column2' Name=’Currency'> 
<Format xsi:type='TextColumnFormat' /> 
</Column> 
</Table>