Este post tem o objetivo de mostrar através de consultas aos sites do correiocontrol e do google maps como retornar os campos de endereço e sua georeferência, passando apenas os parâmetros de CEP e número. Para este post foi utilizado a ferramenta Pentaho Data Integration (PDI), ferramenta que pode ser baixada sem custo na versão da comunidade. Let’s Go!!!
Baixe o PDI no endereço: http://community.pentaho.com/projects/data-integration/. O único pré-requisito para executar o pentaho é ter um JDK instalado na sua máquina. O PDI vem compactado e não precisa de instalação descompacte em uma pasta e execute o arquivo “Spoon.bat” (no Windows) ou “Spoon.sh” (no Linux) localizado no raiz da pasta descompactada.
Irá abrir a tela de login dos
repositórios do pentaho, como o objetivo desse post não é demonstrar a
utilização de recursos do pentaho, vamos focar apenas no que o post se propõem,
portanto clique no botão cancelar para abrir a ferramenta:
Esta é a tela inicial do Pentaho:
Clique no menu "File-> Novo -> Transformação", irá abrir uma nova aba ao lado da
aba Bem Vindo, chamada “Transformação 1” de acordo com a tela:
Pronto, uma vez o ambiente ok, “vamu
bota pá muê“, como diz o matuto!
Caso não esteja na aba “Design”
no canto superior esquerdo, abaixo do menu, clique na mesma, pois é nessa aba
que selecionamos os objetos que irão fazer a mágica que queremos. Já na aba “Design”
clique na pasta “Input” e arraste o objeto “Generate Rows” para o centro da
página assim como na imagem:
Dê dois cliques em cima do objeto
arrastado para abrir a tela de configuração deste objeto, nela vamos configurar
os campos cep e número; deixe-os com o tipo: String. Na coluna valor adicione
um cep e um número válidos de sua escolha. Altere o valor do campo “Limit” para
1. Por questões de organização renomeie o nome do objeto para “Entrada do CEP”,
após essas configurações as propriedades desse objeto deve estar igual a
imagem:
O próximo objeto é o “Modified
Java Script Value” para montar a URL que vai acessar os correios adicionando o
parâmetro cep do passo anterior. Para ligar os dois objetos pressione a tecla “Shift”,
clique sobre o objeto “Entrada do CEP” e arraste o mouse até o objeto “Modified
Java Script Value” enquanto você arrasta o pentaho vai exibindo uma seta. A
localização desse objeto é na pasta “Scripting”. Abaixo segue a tela mostrando
a localização e a ligação entre os objetos da transformação.
Abra o objeto do Java Script e adicione o seguinte
texto:
var cep_correiocontrol =
'http://cep.correiocontrol.com.br/'+cep+'.json';
Este objeto recebe conteúdo javascript, neste caso
o utilizamos para adicionar uma variável “cep_correiocontrol” ao fluxo,
este passo poderia ser executado de outras maneiras, e com outros objetos,
escolhi o objeto javascript por ficar mais simples. Após unir os objetos clique
no botão “Get variables” e note que ele adicionará um campo “cep_correiocontrol”
do tipo string de acordo com a imagem abaixo, por questão de organização altere
o campo “Step Name” para “URL CorreioControl”:
O próximo passo é fazer a chamada HTTP que retorna o
JSON com o endereço do CEP, o objeto utilizado para isso é o “HTTP Client” que
está localizado na pasta “Lookup”, adicione o mesmo ao fluxo já existente,
ligando com o objeto “URL CorreioControl”. De um duplo clique no objeto
adicionado para abrir as propriedades do mesmo e marque o check “Accept URL
From field”. No campo “URL Field name” selecione o campo do passo anterior “cep_correiocontrol”.
Mude para 0 os campos “Connection timeout”, “Socket timeout” e “Connection
close wait time”. Caso a sua rede tenha proxy configure-o nos dois últimos
campos da tela. Por questões de organização altere o nome do objeto para “Consulta
CEP” ao final deste passo devemos ter as seguintes configurações:
Agora vamos tratar o JSON
retornado pelo objeto HTTP Client, selecionamos o objeto “JSON Input” dentro da
pasta “Input”, adicione e o ligue ao fluxo. Após inseri-lo ao fluxo edite suas
propriedades e as deixe de acordo com as imagens.
Na aba “File” marque a opção “Source
is defined in a field”, e no campo “Get source from field” escolha o campo “result”:
Na aba “Fields” adicione as linhas:
| Name |
Path |
Type |
| bairro |
$..bairro |
String |
| logradouro |
$..logradouro |
String |
| cep |
$..cep |
String |
| uf |
$..uf |
String |
| localidade |
$..localidade |
String |
A tela deverá ficar como a imagem a baixo:
As demais abas desse objeto não
serão utilizadas nesse ETL. Com esse passo nós adicionamos ao fluxo os campos:
bairro, logradouro, uf e localidade. Por questões de organização altere o nome
do objeto para “Endereço em Json” e conclua clicando em “Ok”. Agora nosso fluxo
deve ter essa aparência:
Ok, agora já conseguimos pegar os
dados do CEP, falta ainda capturar a georeferência deste cep, vamos lá,
adicione outro objeto javascript ao fluxo. Só para lembrar ele está na pasta “Scripting”.
Nas propriedades do objeto adicione o seguinte JS (este JS remove caracteres
indesejados e prepara o endereço para consultar ao Google Maps)
//Script here
var endereco = logradouro +', '+numero +', ' + localidade;
endereco = removeDiacritics(endereco);
endereco = endereco.replace(/ /gi, '%20');
var url_final = 'http://maps.google.com/maps/api/geocode/xml?sensor=false&address=' + endereco;
function removeDiacritics (str) {
var defaultDiacriticsRemovalMap = [
{'base':'A', 'letters':/[\u0041\u24B6\uFF21\u00C0\u00C1\u00C2\u1EA6\u1EA4\u1EAA\u1EA8\u00C3\u0100\u0102\u1EB0\u1EAE\u1EB4\u1EB2\u0226\u01E0\u00C4\u01DE\u1EA2\u00C5\u01FA\u01CD\u0200\u0202\u1EA0\u1EAC\u1EB6\u1E00\u0104\u023A\u2C6F]/g},
{'base':'AA','letters':/[\uA732]/g},
{'base':'AE','letters':/[\u00C6\u01FC\u01E2]/g},
{'base':'AO','letters':/[\uA734]/g},
{'base':'AU','letters':/[\uA736]/g},
{'base':'AV','letters':/[\uA738\uA73A]/g},
{'base':'AY','letters':/[\uA73C]/g},
{'base':'B', 'letters':/[\u0042\u24B7\uFF22\u1E02\u1E04\u1E06\u0243\u0182\u0181]/g},
{'base':'C', 'letters':/[\u0043\u24B8\uFF23\u0106\u0108\u010A\u010C\u00C7\u1E08\u0187\u023B\uA73E]/g},
{'base':'D', 'letters':/[\u0044\u24B9\uFF24\u1E0A\u010E\u1E0C\u1E10\u1E12\u1E0E\u0110\u018B\u018A\u0189\uA779]/g},
{'base':'DZ','letters':/[\u01F1\u01C4]/g},
{'base':'Dz','letters':/[\u01F2\u01C5]/g},
{'base':'E', 'letters':/[\u0045\u24BA\uFF25\u00C8\u00C9\u00CA\u1EC0\u1EBE\u1EC4\u1EC2\u1EBC\u0112\u1E14\u1E16\u0114\u0116\u00CB\u1EBA\u011A\u0204\u0206\u1EB8\u1EC6\u0228\u1E1C\u0118\u1E18\u1E1A\u0190\u018E]/g},
{'base':'F', 'letters':/[\u0046\u24BB\uFF26\u1E1E\u0191\uA77B]/g},
{'base':'G', 'letters':/[\u0047\u24BC\uFF27\u01F4\u011C\u1E20\u011E\u0120\u01E6\u0122\u01E4\u0193\uA7A0\uA77D\uA77E]/g},
{'base':'H', 'letters':/[\u0048\u24BD\uFF28\u0124\u1E22\u1E26\u021E\u1E24\u1E28\u1E2A\u0126\u2C67\u2C75\uA78D]/g},
{'base':'I', 'letters':/[\u0049\u24BE\uFF29\u00CC\u00CD\u00CE\u0128\u012A\u012C\u0130\u00CF\u1E2E\u1EC8\u01CF\u0208\u020A\u1ECA\u012E\u1E2C\u0197]/g},
{'base':'J', 'letters':/[\u004A\u24BF\uFF2A\u0134\u0248]/g},
{'base':'K', 'letters':/[\u004B\u24C0\uFF2B\u1E30\u01E8\u1E32\u0136\u1E34\u0198\u2C69\uA740\uA742\uA744\uA7A2]/g},
{'base':'L', 'letters':/[\u004C\u24C1\uFF2C\u013F\u0139\u013D\u1E36\u1E38\u013B\u1E3C\u1E3A\u0141\u023D\u2C62\u2C60\uA748\uA746\uA780]/g},
{'base':'LJ','letters':/[\u01C7]/g},
{'base':'Lj','letters':/[\u01C8]/g},
{'base':'M', 'letters':/[\u004D\u24C2\uFF2D\u1E3E\u1E40\u1E42\u2C6E\u019C]/g},
{'base':'N', 'letters':/[\u004E\u24C3\uFF2E\u01F8\u0143\u00D1\u1E44\u0147\u1E46\u0145\u1E4A\u1E48\u0220\u019D\uA790\uA7A4]/g},
{'base':'NJ','letters':/[\u01CA]/g},
{'base':'Nj','letters':/[\u01CB]/g},
{'base':'O', 'letters':/[\u004F\u24C4\uFF2F\u00D2\u00D3\u00D4\u1ED2\u1ED0\u1ED6\u1ED4\u00D5\u1E4C\u022C\u1E4E\u014C\u1E50\u1E52\u014E\u022E\u0230\u00D6\u022A\u1ECE\u0150\u01D1\u020C\u020E\u01A0\u1EDC\u1EDA\u1EE0\u1EDE\u1EE2\u1ECC\u1ED8\u01EA\u01EC\u00D8\u01FE\u0186\u019F\uA74A\uA74C]/g},
{'base':'OI','letters':/[\u01A2]/g},
{'base':'OO','letters':/[\uA74E]/g},
{'base':'OU','letters':/[\u0222]/g},
{'base':'P', 'letters':/[\u0050\u24C5\uFF30\u1E54\u1E56\u01A4\u2C63\uA750\uA752\uA754]/g},
{'base':'Q', 'letters':/[\u0051\u24C6\uFF31\uA756\uA758\u024A]/g},
{'base':'R', 'letters':/[\u0052\u24C7\uFF32\u0154\u1E58\u0158\u0210\u0212\u1E5A\u1E5C\u0156\u1E5E\u024C\u2C64\uA75A\uA7A6\uA782]/g},
{'base':'S', 'letters':/[\u0053\u24C8\uFF33\u1E9E\u015A\u1E64\u015C\u1E60\u0160\u1E66\u1E62\u1E68\u0218\u015E\u2C7E\uA7A8\uA784]/g},
{'base':'T', 'letters':/[\u0054\u24C9\uFF34\u1E6A\u0164\u1E6C\u021A\u0162\u1E70\u1E6E\u0166\u01AC\u01AE\u023E\uA786]/g},
{'base':'TZ','letters':/[\uA728]/g},
{'base':'U', 'letters':/[\u0055\u24CA\uFF35\u00D9\u00DA\u00DB\u0168\u1E78\u016A\u1E7A\u016C\u00DC\u01DB\u01D7\u01D5\u01D9\u1EE6\u016E\u0170\u01D3\u0214\u0216\u01AF\u1EEA\u1EE8\u1EEE\u1EEC\u1EF0\u1EE4\u1E72\u0172\u1E76\u1E74\u0244]/g},
{'base':'V', 'letters':/[\u0056\u24CB\uFF36\u1E7C\u1E7E\u01B2\uA75E\u0245]/g},
{'base':'VY','letters':/[\uA760]/g},
{'base':'W', 'letters':/[\u0057\u24CC\uFF37\u1E80\u1E82\u0174\u1E86\u1E84\u1E88\u2C72]/g},
{'base':'X', 'letters':/[\u0058\u24CD\uFF38\u1E8A\u1E8C]/g},
{'base':'Y', 'letters':/[\u0059\u24CE\uFF39\u1EF2\u00DD\u0176\u1EF8\u0232\u1E8E\u0178\u1EF6\u1EF4\u01B3\u024E\u1EFE]/g},
{'base':'Z', 'letters':/[\u005A\u24CF\uFF3A\u0179\u1E90\u017B\u017D\u1E92\u1E94\u01B5\u0224\u2C7F\u2C6B\uA762]/g},
{'base':'a', 'letters':/[\u0061\u24D0\uFF41\u1E9A\u00E0\u00E1\u00E2\u1EA7\u1EA5\u1EAB\u1EA9\u00E3\u0101\u0103\u1EB1\u1EAF\u1EB5\u1EB3\u0227\u01E1\u00E4\u01DF\u1EA3\u00E5\u01FB\u01CE\u0201\u0203\u1EA1\u1EAD\u1EB7\u1E01\u0105\u2C65\u0250]/g},
{'base':'aa','letters':/[\uA733]/g},
{'base':'ae','letters':/[\u00E6\u01FD\u01E3]/g},
{'base':'ao','letters':/[\uA735]/g},
{'base':'au','letters':/[\uA737]/g},
{'base':'av','letters':/[\uA739\uA73B]/g},
{'base':'ay','letters':/[\uA73D]/g},
{'base':'b', 'letters':/[\u0062\u24D1\uFF42\u1E03\u1E05\u1E07\u0180\u0183\u0253]/g},
{'base':'c', 'letters':/[\u0063\u24D2\uFF43\u0107\u0109\u010B\u010D\u00E7\u1E09\u0188\u023C\uA73F\u2184]/g},
{'base':'d', 'letters':/[\u0064\u24D3\uFF44\u1E0B\u010F\u1E0D\u1E11\u1E13\u1E0F\u0111\u018C\u0256\u0257\uA77A]/g},
{'base':'dz','letters':/[\u01F3\u01C6]/g},
{'base':'e', 'letters':/[\u0065\u24D4\uFF45\u00E8\u00E9\u00EA\u1EC1\u1EBF\u1EC5\u1EC3\u1EBD\u0113\u1E15\u1E17\u0115\u0117\u00EB\u1EBB\u011B\u0205\u0207\u1EB9\u1EC7\u0229\u1E1D\u0119\u1E19\u1E1B\u0247\u025B\u01DD]/g},
{'base':'f', 'letters':/[\u0066\u24D5\uFF46\u1E1F\u0192\uA77C]/g},
{'base':'g', 'letters':/[\u0067\u24D6\uFF47\u01F5\u011D\u1E21\u011F\u0121\u01E7\u0123\u01E5\u0260\uA7A1\u1D79\uA77F]/g},
{'base':'h', 'letters':/[\u0068\u24D7\uFF48\u0125\u1E23\u1E27\u021F\u1E25\u1E29\u1E2B\u1E96\u0127\u2C68\u2C76\u0265]/g},
{'base':'hv','letters':/[\u0195]/g},
{'base':'i', 'letters':/[\u0069\u24D8\uFF49\u00EC\u00ED\u00EE\u0129\u012B\u012D\u00EF\u1E2F\u1EC9\u01D0\u0209\u020B\u1ECB\u012F\u1E2D\u0268\u0131]/g},
{'base':'j', 'letters':/[\u006A\u24D9\uFF4A\u0135\u01F0\u0249]/g},
{'base':'k', 'letters':/[\u006B\u24DA\uFF4B\u1E31\u01E9\u1E33\u0137\u1E35\u0199\u2C6A\uA741\uA743\uA745\uA7A3]/g},
{'base':'l', 'letters':/[\u006C\u24DB\uFF4C\u0140\u013A\u013E\u1E37\u1E39\u013C\u1E3D\u1E3B\u017F\u0142\u019A\u026B\u2C61\uA749\uA781\uA747]/g},
{'base':'lj','letters':/[\u01C9]/g},
{'base':'m', 'letters':/[\u006D\u24DC\uFF4D\u1E3F\u1E41\u1E43\u0271\u026F]/g},
{'base':'n', 'letters':/[\u006E\u24DD\uFF4E\u01F9\u0144\u00F1\u1E45\u0148\u1E47\u0146\u1E4B\u1E49\u019E\u0272\u0149\uA791\uA7A5]/g},
{'base':'nj','letters':/[\u01CC]/g},
{'base':'o', 'letters':/[\u006F\u24DE\uFF4F\u00F2\u00F3\u00F4\u1ED3\u1ED1\u1ED7\u1ED5\u00F5\u1E4D\u022D\u1E4F\u014D\u1E51\u1E53\u014F\u022F\u0231\u00F6\u022B\u1ECF\u0151\u01D2\u020D\u020F\u01A1\u1EDD\u1EDB\u1EE1\u1EDF\u1EE3\u1ECD\u1ED9\u01EB\u01ED\u00F8\u01FF\u0254\uA74B\uA74D\u0275]/g},
{'base':'oi','letters':/[\u01A3]/g},
{'base':'ou','letters':/[\u0223]/g},
{'base':'oo','letters':/[\uA74F]/g},
{'base':'p','letters':/[\u0070\u24DF\uFF50\u1E55\u1E57\u01A5\u1D7D\uA751\uA753\uA755]/g},
{'base':'q','letters':/[\u0071\u24E0\uFF51\u024B\uA757\uA759]/g},
{'base':'r','letters':/[\u0072\u24E1\uFF52\u0155\u1E59\u0159\u0211\u0213\u1E5B\u1E5D\u0157\u1E5F\u024D\u027D\uA75B\uA7A7\uA783]/g},
{'base':'s','letters':/[\u0073\u24E2\uFF53\u00DF\u015B\u1E65\u015D\u1E61\u0161\u1E67\u1E63\u1E69\u0219\u015F\u023F\uA7A9\uA785\u1E9B]/g},
{'base':'t','letters':/[\u0074\u24E3\uFF54\u1E6B\u1E97\u0165\u1E6D\u021B\u0163\u1E71\u1E6F\u0167\u01AD\u0288\u2C66\uA787]/g},
{'base':'tz','letters':/[\uA729]/g},
{'base':'u','letters':/[\u0075\u24E4\uFF55\u00F9\u00FA\u00FB\u0169\u1E79\u016B\u1E7B\u016D\u00FC\u01DC\u01D8\u01D6\u01DA\u1EE7\u016F\u0171\u01D4\u0215\u0217\u01B0\u1EEB\u1EE9\u1EEF\u1EED\u1EF1\u1EE5\u1E73\u0173\u1E77\u1E75\u0289]/g},
{'base':'v','letters':/[\u0076\u24E5\uFF56\u1E7D\u1E7F\u028B\uA75F\u028C]/g},
{'base':'vy','letters':/[\uA761]/g},
{'base':'w','letters':/[\u0077\u24E6\uFF57\u1E81\u1E83\u0175\u1E87\u1E85\u1E98\u1E89\u2C73]/g},
{'base':'x','letters':/[\u0078\u24E7\uFF58\u1E8B\u1E8D]/g},
{'base':'y','letters':/[\u0079\u24E8\uFF59\u1EF3\u00FD\u0177\u1EF9\u0233\u1E8F\u00FF\u1EF7\u1E99\u1EF5\u01B4\u024F\u1EFF]/g},
{'base':'z','letters':/[\u007A\u24E9\uFF5A\u017A\u1E91\u017C\u017E\u1E93\u1E95\u01B6\u0225\u0240\u2C6C\uA763]/g}
];
for(var i=0; i<defaultDiacriticsRemovalMap.length; i++) {
str = str.replace(defaultDiacriticsRemovalMap[i].letters, defaultDiacriticsRemovalMap[i].base);
}
return str;
}
Após a inclusão deste texto,
clique no botão “Get variables” para adicionar as variáveis ao fluxo, porém
deixe apenas a variável url_final, removendo as outras variáveis. Renomeie o JS
para “URL Maps”. No final o objeto terá essa aparência:
Clique em Ok e vamos ao próximo
passo. Vamos agora fazer a consulta ao Google Maps passando a String “url_final”
que montamos no passo anterior. Escolha novamente o objeto “HTTP Client” e o
configure de acordo com a imagem abaixo, não esquecendo de mudar o nome do objeto
para “Consulta MAPS”:
O retorno do google é em formato
de XML, iremos utilizar o objeto “Get data from XML” encontrado dentro da pasta
“Input”, ligue-o ao fluxo. Renomeio para “Coordenadas”. Faça as seguintes
configurações:
Na aba “File”: marque o campo “XML source is defined in a field” e escolha no campo “get XML source from a field” o campo “result_1”.
Na aba “Content”: no campo Loop XPath adicione o texto /GeocodeResponse/result/geometry/location.
E por último na aba “Fields”: adicione os campos:
| Name |
XPath |
Element |
Result type |
Type |
| lat |
lat |
Node |
Value of |
String |
| lng |
lng |
Node |
Value of |
String |
Pronto com isso já conseguimos
pegar as coordenadas do seu endereço. Para concluir o processo vamos escolher
os campos que queremos e depois criar um arquivo de texto com o resultado. Para
escolher os campos que queremos salvar adicione ao fluxo o objeto chamado “Select
values” que está contido na pasta “Transform”. Após adiciona-lo ao fluxo clique
em “Get fields to select”, o pentaho irá trazer todos os campos que estão no
fluxo, desde o cep e o número fornecidos para consulta até os resultados dos
objetos HTTP Cliente, portanto, retire do fluxo as colunas que não desejar
removendo as colunas e deixando-as de acordo com a imagem:
Por fim escolha o objeto “Text
file output” na pasta “Output” e o insira no fluxo.
Na aba “File” clique no botão “Navega”
para escolher o endereço onde o txt será salvo e o nome do arquivo.
Na aba “Fields” clique em “Obtem
campos” para pegar os campos que serão salvos no txt e clique em Ok para
concluir.
Ok, tudo pronto, hora de salvar o
arquivo e testar. Para salvar sua transformação clique no meu “File -> Save”,
e salve sua transformação em um local desejado dando um nome para a mesma, no
meu caso escolhi o nome “ETL_ENDERECO_CEP”. No final de tudo a transformação
ficou com essa aparência:
Para rodar vá no menu "Action->Run". Na tela que abriu clique em "Launch". O resultado final deve ser a tela abaixo:
Bom é isso, ficamos por aqui sobre esse assunto, qualquer dúvida ou sugestão é só dizer!
