MT形式でエクスポートデータしたブログをExcelで分析する-Power Queryでの分析編-

はじめに

前回に引き続き、大変ニッチな内容となっております。

blog.jbs.co.jp

ブログの記事内の見出し要素の利用傾向を分析するために、正規表現でデータを加工するところまでやりました。今度は実際に読み込んでみたいと思います。

Excelで読み込む

テキストを読み込んでPower Queryで、と思っていたのですが、どうもテキスト内にあるテーブル情報を読みに行ってしまうらしく、思ったように読み込めませんでした。

仕方がないので、一度、Power Queryを使わずにExcelで読み込みます。

ヘッダを加えてテーブル形式にし、幅をそろえるとこうなりました。(下書きデータなども入っているのでフィルタしています)

Power Queryで分析する

データを読み込む

このままExcel関数を使って分析してもいいのですが、今回はPower Query使いたいので、このテーブルをPower Queryで読み込みます。

まず、「テーブルまたは範囲から」で読み込みます。

必要な列だけに絞ります。CATEGORYは手間かけたんですが実は今回は不要でした。

見出しを分析する列を作る

Text.Containsを使います。

docs.microsoft.com

こんな感じですね

Text.Contains([BODY],"<h1")

同じようにh2-h6まで作ります。

こんな感じになりました。

これでいったんPower Queryは終わりにして、Excelでフィルタしながら確認してみたいと思います。

Excelのフィルタで確認する

前提

今回、見出しのルールとしては以下のようなものを作るつもりです

  • 見たまま編集に合わせて、h3, h4, h5を利用する*1
  • 見出しを使うときはh3,h4,h5の順で使う(h3,h5など途中を抜かない)

h1要素の確認

h1は使われていませんでした。

h2要素の確認

h2は結構使われてました*2。また、中にはh2とh4、といったものもありました。

記事を修正する

後は修正するだけなんですが、ここは近道がないので、絞り込んだデータを見ながら手動で修正をかけます。*3

おわりに

ということで何とか分析をすることができました。

もちろん見出し以外にもできると思いますが、記事全部をHTMLレベルで分析する機会が果たしてどれくらいあるかは疑問です。

もしも誰かの役に立てたのであれば幸いです。

*1:markdown派のh6は許可

*2:半分以上僕なんですが

*3:といってもソースをエディタに一度張り付けて一括置換など適宜省力化は行います

投稿者プロフィール
舟越 匠

舟越 匠

人材戦略部に所属。社内向けの技術研修をメインにしつつ、JBS Tech BlogやMS認定資格取得の推進役もやっています。資格としてはAzure Solutions Architect Expertを所持。Power AutomateやLogic Appsで楽をするのが好きです。

執筆記事一覧