从 Tableau 地图中抓取数据

我正在尝试提取伊利诺伊州纳洛酮配送中心的位置和名称,用于阿片类药物危机的研究项目。


这个画面生成的仪表板可从公共卫生部访问这里https://idph.illinois.gov/OpioidDataDashboard/


我已经尝试了所有我能找到的东西。首先更改 url 以使用 Tableau 的界面“下载”数据。那只能让我下载 pdf 地图,而不是它背后的实际数据集。其次,我修改了我在 Stack overflow 上看到过几次的 python 脚本,以尝试请求数据。但是,我认为它遇到了某种错误。下面的代码。


url = "https://interactive.data.illinois.gov/t/DPH/views/opioidTDWEB_prod/NaloxoneDistributionLocations"


r = requests.get(

    url,

    params= {

        ":embed":"y",

        ":showAppBanner":"false",

        ":showShareOptions":"true",

        ":display_count":"no",

        "showVizHome": "no"

    }

)

soup = BeautifulSoup(r.text, "html.parser")

print(soup)

tableauData = json.loads(soup.find("textarea",{"id": "tsConfigContainer"}).text)


dataUrl = f'https://tableau.ons.org.br{tableauData["vizql_root"]}/bootstrapSession/sessions/{tableauData["sessionid"]}'


r = requests.post(dataUrl, data= {

    "sheet_id": tableauData["sheetId"],

})


dataReg = re.search('\d+;({.*})\d+;({.*})', r.text, re.MULTILINE)

info = json.loads(dataReg.group(1))

data = json.loads(dataReg.group(2))


print(data["secondaryInfo"]["presModelMap"]["dataDictionary"]["presModelHolder"]["genDataDictionaryPresModel"]["dataSegments"]["0"]["dataColumns"])


感谢任何帮助。


千万里不及你
浏览 501回答 1
1回答

斯蒂芬大帝

编辑我制作了一个tableau scraper 库来将工作表数据提取到 pandas 数据框中。代码更简单,但在您的情况下,您仍然需要使用 xsrf 令牌构建 URL:from tableauscraper import TableauScraper as TSimport requestsfrom bs4 import BeautifulSoupinit_url = "https://idph.illinois.gov/OpioidDataDashboard/"r = requests.get(init_url)soup = BeautifulSoup(r.text, "html.parser")paramTags = dict([    (t["name"], t["value"])    for t in soup.find("div", {"class": "tableauPlaceholder"}).findAll("param")])url = f'{paramTags["host_url"]}trusted/{paramTags["ticket"]}{paramTags["site_root"]}/views/{paramTags["name"]}'ts = TS()ts.loads(url)dashboard = ts.getWorkbook()for t in dashboard.worksheets:    # show worksheet name    print(f"WORKSHEET NAME : {t.name}")    # show dataframe for this worksheet    print(t.data)在 repl.it 上试试这个原帖这有点复杂,因为有以下组合:有 tsconfig textarea 的画面“配置页面”不是原始页面的一部分。url 是从一些paramhtml 标签动态构建的它在 cookie 中使用交叉伪造令牌,但为了获取该 cookie,您需要调用特定的 api,其 url 是从某些paramhtml 标记动态构建的从 tsconfig 参数,我们可以构建数据 url,正如您在其他 stackoverflow 帖子中发现的那样,例如this,this和this流程如下:call GET https://idph.illinois.gov/OpioidDataDashboard/,param用class抓取div下的标签tableauPlaceholder从那里主机是: https: //interactive.data.illinois.gov从前面的 param标签中,构建如下所示的“会话 URL”:GET /trusted/{ticket}/t/DPH/views/opioidTDWEB_prod/MortalityandMorbidity上面的url将只用于存储cookies(包括cookies中的xsrf token)从前面的param标签中,构建如下所示的“配置 URL”:GET /t/DPH/views/opioidTDWEB_prod/MortalityandMorbidity使用 id 提取 textareatsConfigContainer并从中解析 json从上面提取的 json 构建“数据 url”,url 如下所示:POST /vizql/t/DPH/w/opioidTDWEB_prod/v/MortalityandMorbidity/bootstrapSession/sessions/{session_id}然后你有一个 json 响应,它前面有一些字符串以防止json 劫持。你需要正则表达式来提取它然后解析巨大的json数据所有需要的 url 都是这样的:GET https://idph.illinois.gov/OpioidDataDashboard/GET https://interactive.data.illinois.gov/trusted/yIm7jkXyRQuH9Ff1oPvz_w==:790xMcZuwmnvijXHg6ymRTrU/t/DPH/views/opioidTDWEB_prod/MortalityandMorbidityGET https://interactive.data.illinois.gov/t/DPH/views/opioidTDWEB_prod/MortalityandMorbidityPOST https://interactive.data.illinois.gov/vizql/t/DPH/w/opioidTDWEB_prod/v/MortalityandMorbidity/bootstrapSession/sessions/2A3E3BA96A6C4E65B36AEDB4A536D09F-1:0完整代码:import requestsfrom bs4 import BeautifulSoupimport jsonimport res = requests.Session()init_url = "https://idph.illinois.gov/OpioidDataDashboard/"print(f"GET {init_url}")r = s.get(init_url)soup = BeautifulSoup(r.text, "html.parser")paramTags = dict([    (t["name"], t["value"])     for t in soup.find("div", {"class":"tableauPlaceholder"}).findAll("param")])# get xsrf cookiesession_url = f'{paramTags["host_url"]}trusted/{paramTags["ticket"]}{paramTags["site_root"]}/views/{paramTags["name"]}'print(f"GET {session_url}")r = s.get(session_url)config_url = f'{paramTags["host_url"][:-1]}{paramTags["site_root"]}/views/{paramTags["name"]}'print(f"GET {config_url}")r = s.get(config_url,    params = {        ":embed": "y",        ":showVizHome": "no",        ":host_url": "https://interactive.data.illinois.gov/",        ":embed_code_version": 2,        ":tabs": "yes",        ":toolbar": "no",        ":showShareOptions": "false",        ":display_spinner": "no",        ":loadOrderID": 0,})soup = BeautifulSoup(r.text, "html.parser")tableauData = json.loads(soup.find("textarea",{"id": "tsConfigContainer"}).text)dataUrl = f'{paramTags["host_url"][:-1]}{tableauData["vizql_root"]}/bootstrapSession/sessions/{tableauData["sessionid"]}'print(f"POST {dataUrl}")r = s.post(dataUrl, data= {    "sheet_id": tableauData["sheetId"],})dataReg = re.search('\d+;({.*})\d+;({.*})', r.text, re.MULTILINE)info = json.loads(dataReg.group(1))data = json.loads(dataReg.group(2))print(data["secondaryInfo"]["presModelMap"]["dataDictionary"]["presModelHolder"]["genDataDictionaryPresModel"]["dataSegments"]["0"]["dataColumns"])在 repl.it 上试试这个
打开App,查看更多内容
随时随地看视频慕课网APP

相关分类

Python