正規表現（regex）を使用したテキスト・データの読み込み

正規表現を使用してDSE Graph Loaderでテキスト・データを読み込む方法。

• 必要に応じて、マッピング・スクリプトに構成を追加します。
• 読み込み対象のデータのサンプルは以下のようになります。

  SAMPLE INPUT
  // This file uses tabs between fields
  // For the authorREGEX.data file: 
  name:Julia Child	gender:F
  // For the bookREGEX.dat file:
  name:Simca's Cuisine: 100 Classic French Recipes for Every Occasion	year:1972	ISBN:0-394-40152-2
  // For the authorBookREGEX.dat file: 
  bname:Simca's Cuisine: 100 Classic French Recipes for Every Occasion	aname:Simone Beck

• データ入力ファイルを指定します。変数inputfiledirは、入力ファイルのディレクトリー名を指定します。識別された各ファイルは、読み込みで使用されます。

  // DATA INPUT
  // Define the data input source 
  // inputfiledir is the directory for the input files
  
  inputfiledir = '/tmp/REGEX/'
  authorInput = File.text(inputfiledir + "authorREGEX.dat").
      regex("name:(.*)\\tgender:([MF])").
      header('name', 'gender')
  bookInput = File.text(inputfiledir + "bookREGEX.dat").
  	regex("name:(.*)\\tyear:([0-9]{4})\\tISBN:([0-9]{1}[-]{1}[0-9]{3}[-]{1}[0-9]{5}[-]{1}[0-9]{0,1})").
  	header('name', 'year', 'ISBN')
  authorBookInput = File.text(inputfiledir + "authorBookREGEX.dat").
      regex("bname:(.*)\\taname:(.*)").
      header('bname', 'aname')

  頂点ラベルauthorとbookの両方にプロパティ・キーnameが使用されるため、authorBookファイルでは、著者名と本の名前に変数anameとbnameがそれぞれ使用されます。これらの変数は、author頂点とbook頂点の間にエッジを作成するために使用されるマッピング・ロジックで使用されます。

• 各行で、ファイルをtextファイルとして指定し、ファイル名を指定して、区切り文字を設定し、ヘッダーを指定して読み取り対象のフィールドを識別する必要があります。加えて、正規表現を使用してテキスト・ファイルの各行を解析する場合は、正規表現ロジックが含められます。データの処理に使用されるマップ、authorInputが作成されます。マップは変換を使用することで、読み込み前に操作することができます。

  authorInput = File.text(inputfiledir + "authorREGEX.dat").regex("name:(.*)\\tgender:([MF])").header('name', 'gender')

• マッピング・スクリプトの本文を作成します。マッピング・スクリプトのこの部分は、ファイル形式に関係なく同じです。
• テキストの読み込みに、DSE Graph Loaderをdry runとして実行するには、次のコマンドを使用します。

  graphloader authorBookMappingREGEX.groovy -graph testREGEX -address localhost -dryrun true

  テスト目的の場合、graphloaderの実行前に、指定されたグラフが存在する必要はありません。ただし、プロダクション・アプリケーションの場合は、グラフとスキーマを作成してから、graphloaderを使用する必要があります。

• 読み込みスクリプトの全文は次のようになります。

  /* SAMPLE INPUT - uses tabs
  author:
  name:Julia Child	gender:F
  book: 
  name:Simca's Cuisine: 100 Classic French Recipes for Every Occasion	year:1972	ISBN:0-394-40152-2
  authorBook: 
  bname:Simca's Cuisine: 100 Classic French Recipes for Every Occasion	aname:Simone Beck
   */
  
  // CONFIGURATION
  // Configures the data loader to create the schema
  config create_schema: true, load_new: true, load_vertex_threads: 3
  
  // DATA INPUT
  // Define the data input source (a file which can be specified via command line arguments)
  // inputfiledir is the directory for the input files that is given in the commandline
  // as the "-filename" option
  inputfiledir = '/tmp/REGEX/'
  authorInput = File.text(inputfiledir + "authorREGEX.dat").
      regex("name:(.*)\\tgender:([MF])").
      header('name', 'gender')
  bookInput = File.text(inputfiledir + "bookREGEX.dat").
  	regex("name:(.*)\\tyear:([0-9]{4})\\tISBN:([0-9]{1}[-]{1}[0-9]{3}[-]{1}[0-9]{5}[-]{1}[0-9]{0,1})").
  	header('name', 'year', 'ISBN')
  authorBookInput = File.text(inputfiledir + "authorBookREGEX.dat").
      regex("bname:(.*)\\taname:(.*)").
      header('bname', 'aname')
  
  //Specifies what data source to load using which mapper (as defined inline)
    
  load(authorInput).asVertices {
      label "author"
      key "name"
  }
  
  load(bookInput).asVertices {
      label "book"
      key "name"
  }
  
  load(authorBookInput).asEdges {
      label "authored"
      outV "aname", {
          label "author"
          key "name"
      }
      inV "bname", {
          label "book"
          key "name"
      }
  }