利用Kettle转储接口数据

1. 项目背景

1.1. 项目背景

数据接口

API：应用程序接口（Application Program Interface）的简称，是实现计算机软件之间数据通信的工具。同时API也是一种中间件，为各个平台提供数据共享。在大数据与物联网发展的背景下，目前有大量的数据接口被提供或发掘出来，提供给开发者使用，应用到生活中的每一个细节中。本文旨在阐述kettle对于数据接口的监控、调用及其转储，更多详细的数据接口内容不在此具体说明。

项目背景

本文旨在提供一种方法，以帮助同学们掌握Kettle对于数据接口的调用与转储，Kettle的配置方法和组件的使用具有多样性，需要大家多多思考与发掘。

2. Kettle配置

本文使用的是Kettle 7.0版本，调用的接口为百度开发平台-百度地图API，返回数据集为JSON格式或者XML格式，本次使用了两种方式来存储数据，一种是导出成EXCEL，一种是导出到关系数据库进行存储。

2.1. Kettle转换的配置

总览

校验接口信息

我们首先拿到WebAPI的地址，测试连接的畅通，这里我使用了百度地图的Place Suggestion API，输入城市需要检索的地点，返回建议值，效果如下：

http://api.map.baidu.com/place/v2/suggestion?query=%E6%98%A5%E7%86%99%E8%B7%AF&region=%E6%88%90%E9%83%BD%E5%B8%82&output=json&ak=n0lHarpY3QZx6xXXIaWMFLxj

这里我们测试接口URL的连通性。

这里我的接口是没有校验身份的，只需要输入申请的AK就可以了。测试成功，返回的值为JSON字符串的格式。

接口信息接入

新建一个转换，接口信息接入可以选择EXCEL接入，文本接入，生成记录，或者表输入都行，视自己的情况而定，我这里因为只是测试，选用了生成记录，并且参数值固定死，后期可以使用“${}”将参数替换出来。

利用HTTP客户端解析数据

添加HttpClient组件，我们需要用到它作为客户端来解析API，类似浏览器。

这里的URL地址我们选择从前面的生成记录里面获取。注意字符集的设置，否则后面获取到的接口数据会是乱码。

判断是否获取到数据

这里添加过滤记录组件，用来判断是否成功从HTTP客户端获取到数据

解析JSON串

添加JSON输入组件，这里从流中获取到从API上获取的结果作为源字段。

将JSON串解析成多个字段的形式，具体路径需要自己先在过一下JSON串的格式，提前掌握这些信息。

嵌套循环解析JSON串

我们此次使用的JSON串，实际需要的数据实际是在其内曾的RESULT字段里面嵌套的JSON串里，所以我们需要再对RESULT字段进行解析。

输出数据

我们这里使用了EXCEL输出的方法，EXCEL输出没有特别需要强调的地方，主要需要注意的就是在这里我们只输出需要的内部的地址信息，因为其他字段在流中也会继承下来，这里合理选择输出的字段即可。

错误处理

错误处理一般来说都只是进行记录，或者写入日志，或者写入日志表，或者发送报错信息邮件到管理员邮箱。

这里不做具体讲解，具体的选择方案看项目需求而定。

运行结果

F9可执行改转换，转换没有错误的话则进入上面一条线，并且输出为EXCEL表格。

EXCEL展开如下图：

3. 其他

本附件列出了一些配置过程中可能与遇到的一些问题以及解决方案。

3.1. 常见错误信息

在实验过程中遇到一些错误在所难免，我这里提供了一些容易遇到的错误，给大家参考参考思路。

中文乱码

解决方案：在使用HTTP客户端接入的时候，需要正确选择字符集，一般使用UTF-8是没错的，它能够兼容大部分字符。在进行文本文件输出的时候，需要正确选择输出的格式，尽量不在这一步做编码转换。

API接口无效

解决方案：在解析API接口URL路径时，难免参数会带上中文汉字，这里的汉字需要提前做好转码，这里教大家一个小技巧，使用Chome浏览器，把URL链接粘贴进去，浏览器会自动帮我们把编码进行转换。此时，再把URL地址粘贴出来即可。