从使用Power BI的网站中收集数据-在网站上从Power BI中检索数据

Question

我想从此页面（以及与之相似的页面）中删除数据：https : //cereals.ahdb.org.uk/market-
data-centre/historical-data/feed-
ingredreds.aspx

该页面使用Power BI。不幸的是，找到一种报废Power
BI的方法很困难，因为每个人都想报废使用/报废Power
BI，而不是从报废。

首先，我使用Apache tika，很快我意识到在加载页面后正在加载表数据。我需要页面的渲染版本。

因此，我使用了Selenium。我想Select All从一开始（发送Ctrl+A组合键），但是它不起作用。也许它受页面事件的限制（我也尝试使用开发人员工具删除所有事件，但仍然Ctrl+A无法正常工作。

我也尝试读取HTML内容，但是Power
BIdiv使用position:absolute并区分表中的位置div（行和列）在屏幕上放置了元素，这是一项艰苦的工作。

由于Power BI使用JSON，因此我尝试从那里读取数据。但是它是如此复杂，我找不到规则。似乎将关键字放在某个位置并在表中使用它们的索引。

注意 ：我意识到所有数据都不会同时加载甚至显示。div类的Ascroll-bar-part- bar负责充当滚动条，并进行移动以加载/显示数据的其他部分。

我用来读取数据的代码如下。如上所述，生成的数据的顺序与在浏览器上呈现的顺序不同：

from selenium import webdriver
from selenium.webdriver.common.keys import Keys

options = webdriver.ChromeOptions()
options.binary_location = "C:/Program Files (x86)/Google/Chrome/Application/chrome.exe"
driver = webdriver.Chrome(options=options, executable_path="C:/Drivers/chromedriver.exe")

driver.get("https://app.powerbi.com/view?r=eyJrIjoiYjVjM2MyNjItZDE1Mi00OWI1LWE5YWYtODY4M2FhYjU4ZDU1IiwidCI6ImExMmNlNTRiLTNkM2QtNDM0Ni05NWVmLWZmMTNjYTVkZDQ3ZCJ9")
parent = driver.find_element_by_xpath('//*[@id="pvExplorationHost"]/div/div/div/div[2]/div/div[2]/div[2]/visual-container[4]/div/div[3]/visual/div')
children = parent.find_elements_by_xpath('.//*')
values = [child.get_attribute('title') for child in children]

感谢您解决上述任何问题。对于我而言，最有趣的是约定以JSON格式存储Power BI数据。

Answer 1

撇开滚动部分和JSON，我设法读取了数据。关键是读取父级内部的所有元素（在问题中完成）：

parent = driver.find_element_by_xpath('//*[@id="pvExplorationHost"]/div/div/div/div[2]/div/div[2]/div[2]/visual-container[4]/div/div[3]/visual/div')
children = parent.find_elements_by_xpath('.//*')

然后使用它们的位置对它们进行排序：

x = [child.location['x'] for child in children]
y = [child.location['y'] for child in children]
index = np.lexsort((x,y))

要对我们在不同行中阅读的内容进行排序，此代码可能会有所帮助：

rows = []
row = []
last_line = y[index[0]]
for i in index:
    if last_line != y[i]:
        row.append[children[i].get_attribute('title')]
    else:
        rows.append(row)
        row = list([children[i].get_attribute('title')]
rows.append(row)