如何修改Python代码从Power BI的Layout JSON提取visualType字段

核心修改思路 #

原pbixExtractor代码仅读取Layout JSON的顶层键值，要提取visualType需遍历JSON的嵌套层级——该字段通常位于sections→visualContainers→config→visualConfig的路径下。以下是具体实现方案：

1. 定位Layout解析逻辑 #

找到原代码中读取并解析Layout文件的片段，通常为：

import json

# 读取已提取的Layout文件
with open('Layout', 'r', encoding='utf-8') as f:
    layout_data = json.load(f)

2. 添加嵌套结构遍历逻辑 #

新增函数遍历所有section和可视化容器，提取visualType及关联信息：

def extract_visual_types(layout):
    visual_info_list = []
    # 遍历所有页面section
    for section in layout.get('sections', []):
        section_name = section.get('name', '未命名Section')
        # 遍历section下的所有可视化容器
        for container in section.get('visualContainers', []):
            # 深入嵌套的配置结构获取visualType
            visual_config = container.get('config', {}).get('visualConfig', {})
            visual_type = visual_config.get('visualType')
            if visual_type:
                visual_info_list.append({
                    'section_name': section_name,
                    'container_id': container.get('id'),
                    'visual_type': visual_type
                })
    return visual_info_list

# 调用函数提取并输出结果
visual_data = extract_visual_types(layout_data)
for item in visual_data:
    print(f"Section: {item['section_name']}, 可视化类型: {item['visual_type']}")

3. 快速定位visualType的通用方法 #

若不确定字段具体路径，可使用递归函数遍历整个JSON，找出所有visualType的位置：

def find_all_keys(data, target_key):
    results = []
    if isinstance(data, dict):
        for k, v in data.items():
            if k == target_key:
                results.append(v)
            elif isinstance(v, (dict, list)):
                results.extend(find_all_keys(v, target_key))
    elif isinstance(data, list):
        for item in data:
            results.extend(find_all_keys(item, target_key))
    return results

# 获取所有visualType值
all_visual_types = find_all_keys(layout_data, 'visualType')
print("所有可视化类型:", all_visual_types)

4. 用pandas扁平化JSON（适配你尝试过的方法） #

若想用json_normalize处理嵌套结构，可指定路径直接提取：

import pandas as pd

# 扁平化visualContainers层级
df = pd.json_normalize(
    layout_data['sections'],
    record_path='visualContainers',
    meta=['name'],
    meta_prefix='section_'
)
# 提取visualType字段
df['visualType'] = df['config.visualConfig.visualType']
# 保留核心字段输出
result_df = df[['section_name', 'id', 'visualType']].dropna(subset=['visualType'])
print(result_df)

整合到原pbixExtractor流程 #

将上述提取逻辑替换原代码中仅输出顶层键值的部分，即可实现自动化提取visualType用于业务文档。

内容的提问来源于stack exchange，提问作者Parin