Technorati-Zahlen auslesen mit: Google Docs, API, XML und XPath

Es wird mal wieder Zeit ein kleines Beispiel mit Google Docs vorzustellen.
Ich gehe auch hier wieder mit dem Tabellenmodul (Spreadsheets) von Google Docs an die Sache - oder wie die deutsche Bezeichnung heißt "Google Text und Tabellen".
Hey Google: Docs als Bezeichnung hätte auch gereicht und wäre weniger verwirrend ;-).

Als Aufgabe habe ich mir das auslesen der Zahlen ausgewählt, die von der Blogsuchmaschine Technorati erstellt werden.
Ich möchte aber auch einen kleinen und sehr einfach gehaltenen Einblick in die Themen: API, XML und XPath geben, da ich mit diesen Technologien in diesem Beispiel arbeite.

Das schöne ist, dass man kein Programmierer sein muss, um mit den angesprochenen Technologien arbeiten zu können. Das die Themen allerdings für einen unerfahrenen Anwender auch erst mal "verdaut" werden müssen, ist mir dabei aber auch klar.
Auch bei diesem Beispiel geht es mir weniger um das Endergebnis (Technorati-Statistik) sondern ich würde mir wünschen, dass das grundlegende Interesse zum Wissenserwerb geweckt wird und man ein wenig experimentiert.

Hinweis: Ich arbeite mit einigen Links die ich über das Tool "Apture" einbinde. Diese Links werden nur angezeigt, wenn JavaScript aktiviert ist.
Ob die Links auch in allen Off- und Online-Feed-Readern angezeigt werden, weiß ich nicht.
Also, mal einfach wieder mein Blog besuchen ...
Das Tool von Apture ist mittlerweile etwas erweitert worden, darüber gibt es später ein eigenes Blog-Post.

Und nun rein in die Praxis.
Voraussetzung für mein Google-Docs Beispiel ist:

• man besitzt einen eigenen Technorati-Account und
• holt sich darüber seinen eigenen API-Key

Als erstes ein Screenshot des Spreadsheets und die Daten die ich extrahiere:


Zur Ermittelung der Daten nutze ich wieder die Docs-Funktion =ImportXML().
Diese Function benötigt im ersten Teil die Datenquelle (http://api.technorati.com/bloginfo?key=Mein-API-KEY&url=noodlegei.blogspot.com) und im zweiten Teil den sogenannten XPath-Teil (//tapi/document/result/weblog/rank).

Folgende Formeln trage ich in die entsprechenden Zellen ein:

Zelle B3: =importxml("http://api.technorati.com/bloginfo?key=Mein-API-KEY&url=noodlegei.blogspot.com";"//tapi/document/result/weblog/rank")

Zelle C3: =importxml("http://api.technorati.com/bloginfo?key=Mein-API-KEY&url=noodlegei.blogspot.com";"//tapi/document/result/weblog/inboundblogs")

Zelle D3: =importxml("http://api.technorati.com/bloginfo?key=Mein-API-KEY&url=noodlegei.blogspot.com";"//tapi/document/result/weblog/inboundlinks")

Zelle E3: =importxml("http://api.technorati.com/bloginfo?key=Mein-API-KEY&url=noodlegei.blogspot.com";"//tapi/document/result/weblog/lastupdate")

Das war es auch schon.
Nun geht es weiter zu einigen Erläuterungen der eingesetzten Technologien.

Zu Technorati:

Die Blogsuchmaschine Technorati hat ein eigenes Rankingverfahren:

• Anzahl der Blogs die auf das eigene Blog verlinken
  
• Anzahl einzelner Links die auf das eigene Blog verlinken
• ein Zeitkomponente
  

Daraus ergibt sich ein Technorati-Ranking, das als eine Zahl (Rank) dargestellt wird.
Entsprechende Widgets die diese Zahlen in der Blog-Seitenleiste anzeigen, kann man sich als Technorati-Accountinhaber herunterladen.

Über APIs:

APIs sind Programmierschnittstellen, durch die der Datenanbieter einen begrenzten Zugriff auf sein System zulässt.
Der API-Anbieter bestimmt z.B. :

• Welchen Daten abgerufen werden dürfen
• Wie auf die Daten zugegriffen werden darf (z.B. nur Lesender Zugriff)
• Wie häufig die Daten automatisiert abgerufen werden dürfen (Tageslimit)

Die Technorati-API die ich nutze lässt nur:

1. einen lesenden Zugriff zu
2. die Daten sind: die Anzahl der linkgebenden Blogs, Anzahl der einzelnen Links, das Gesamt-Ranking und das letzte Daten-Update
3. maximal 500 API-Aufrufe pro Tag werden zugelassen

Zum eigenen API-Key geht es hier lang: Technorati API-Key anfordern.

Der Aufruf über die API kann auch mit der Eingabe im Browser getestet werden:

http://api.technorati.com/bloginfo?key=Dein-API-KEY&url=noodlegei.blogspot.com

So sieht die Ausgabe der Technorati XML-Datei im Browser aus:

Über XML:

Das Format XML wird u. a. für den Austausch von Daten zwischen Computersystemen eingesetzt. Ein bekanntes Datenaustausch-Format werden die meisten bestimmt kennen, die CSV-Dateien (mit Komma getrennte Daten, die z.B. in EXCEL automatisch sehr einfach eingelesen werden können).
XML baut jedoch auf eine hierachische Struktur auf.


Über XPath:

Um auf die hierachische Datenstruktur von XML-Daten zugreifen zu können, benötigt man Grundkenntnisse in der Abfragespache XPath.

Um sich das etwas besser vorstellen zu können, stellt man sich die Struktur der XML-Datei wie die Auflistung der Verzeichnisse auf dem eigenen PC vor.
(wie im grafischen Datei-Manager (Windows-Explorer) oder ein Buch-Inhaltsverzeichnis (1, 1.1, 1.1.2 usw.)

Der XPath zum eigentlichen Wert den man auslesen möchte, würde bspw. dem Pfad zu einer Datei auf dem PC entsprechen: C:\Test\test-02\meineDatei.txt
Link zum englischen XPath-Tutorial.

Anmerkung: Mit XPath kann man aber auch Werte aus HTML-Dateien auslesen.

In meinem Google-Docs Beispiel lautet der Pfad für die Zahl der erkannten Blogs:

//tapi/document/result/weblog/inboundblogs

Der Rückgabewert wird dann automatisch in das Spreadsheet übernommen.

In der freien Web-Wildbahn findet man noch wesentlich kompliziertere XML-Files und z.T. sind die Daten die man gerne auslesen möchte, nicht gut bzw. korrekt struktuiert.

Das auslesen der FeedBurner-Daten mit Google-Docs - ohne API-Key - hatte ich ja bereits gepostet.

Ich hoffe, dass ich vielleicht ein wenig die Neugierde zu diesem Thema wecken konnte und wünsche ein "Happy Testing ...".

Ähnliche Beiträge zum Thema/Kategorie: