如何从嵌入Tableau的马萨诸塞州海滩水质网站程序化提取数据？

针对嵌入的Tableau仪表板数据提取 #

• 直接抓取Tableau底层API接口：打开浏览器开发者工具（F12）切换到Network面板，筛选XHR/fetch类型请求，找到与数据加载相关的请求（通常路径包含vizql、data等关键词）。复制这些请求的Cookie、请求头（如X-Tableau-Auth、User-Agent），用Python的requests库模拟发送请求，解析返回的JSON数据即可获取原始数据集。
• 使用专用Tableau抓取库：用tableau-scraper Python库简化流程，它会自动处理Tableau的会话验证和接口请求，示例代码：

from tableau_scraper import TableauScraper as TS

ts = TS()
ts.load("https://www.mass.gov/info-details/interactive-beach-water-quality-dashboard")
workbook = ts.get_workbook()
# 遍历所有工作表并输出数据
for worksheet in workbook.worksheets:
    print(f"工作表名称: {worksheet.name}")
    print(worksheet.data)

针对动态生成的Excel下载链接 #

• 无头浏览器模拟下载：用Playwright这类工具完整模拟用户点击下载的操作，自动处理Token和动态文件名，示例代码：

from playwright.sync_api import sync_playwright

with sync_playwright() as p:
    browser = p.chromium.launch(headless=True)
    page = browser.new_page()
    page.goto("https://www.mass.gov/doc/beach-dashboard-data/download")
    # 等待下载触发并捕获文件
    with page.expect_download() as download_ctx:
        page.click("a[href='/doc/beach-dashboard-data/download']")
    download = download_ctx.value
    download.save_as("beach_water_quality_data.xlsx")
    browser.close()

• 抓取实际下载接口：点击下载时在Network面板中捕获真实的下载请求URL（带有临时Token），复制该URL及对应的请求头、Cookie，用requests直接请求并保存文件：

import requests

headers = {
    # 从开发者工具复制实际请求头
    "User-Agent": "你的浏览器User-Agent",
    "Cookie": "页面的Cookie内容"
}
download_url = "捕获到的带Token的下载URL"
response = requests.get(download_url, headers=headers, allow_redirects=True)
with open("beach_data.xlsx", "wb") as f:
    f.write(response.content)

内容的提问来源于stack exchange，提问作者AaronB