如何从嵌入在网页中的Tableau图形中提取工具提示值

Question

我试图找出是否存在一种方法以及如何使用python从网页中的Tableau嵌入式图形中刮取工具提示值。

这是当用户将鼠标悬停在条形图上时带有工具提示的图形的示例：

https://public.tableau.com/views/NumberofCOVID-19
Patientsadmittedordischarged / DASHPublicpage_ Patients Discharges？：embed =
y＆：showVizHome = no＆：host_url =
https％3A％2F％2Fpublic.tableau.com％2F＆：embed_code_version = 3＆：tabs = no＆
：toolbar = yes＆：animate_transition = yes＆：display_static_image =
no＆：display_spinner = no＆：display_overlay = yes＆：display_count = yes＆publish =
yes＆：loadOrderID =
1

我从我要从中抓取的原始网页中获取了该网址：

https://covid19.colorado.gov/hospital-
data

任何帮助表示赞赏。

Answer 1

该图形似乎是由JS中的API结果生成的，如下所示：

POST https://public.tableau.com/TITLE/bootstrapSession/sessions/SESSION_ID

SESSION_ID参数（除其他外）位于tsConfigContainer用于构建iframe的URL的textarea中。

从https://covid19.colorado.gov/hospital-
data
开始：

• 检查类的元素 tableauPlaceholder
• 获取param具有属性的元素name
• 它给你的网址： https://public.tableau.com/views/{urlPath}
• 上一个链接为您提供了一个id为ID的textarea，tsConfigContainer其中包含一堆json值
• 提取session_id和根路径（vizql_root）
• https://public.tableau.com/ROOT_PATH/bootstrapSession/sessions/SESSION_ID使用sheetIdas表单数据进行POST
• 从结果中提取json（结果不是json）

代码：

import requests
from bs4 import BeautifulSoup
import json
import re

r = requests.get("https://covid19.colorado.gov/hospital-data")
soup = BeautifulSoup(r.text, "html.parser")

# get the second tableau link
tableauContainer = soup.findAll("div", { "class": "tableauPlaceholder"})[1]
urlPath = tableauContainer.find("param", { "name": "name"})["value"]

r = requests.get(
    f"https://public.tableau.com/views/{urlPath}",
    params= {
        ":showVizHome":"no",
    }
)
soup = BeautifulSoup(r.text, "html.parser")

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

dataUrl = f'https://public.tableau.com{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"])

从那里您拥有所有数据。您将需要寻找拆分数据的方式，因为似乎所有数据都是通过单个列表转储的。可能需要查看JSON对象中的其他字段。