Power BI 公共报表数据抓取实战：从 response 抓包到页面、图表、筛选条件与指标值落库

全文目录：

• • 🌟 开篇语
  • 0️⃣ 前言（Preface）
  • 1️⃣ 摘要（Abstract）
  • 2️⃣ 背景与需求（Why）
  • • 2.1 为什么要抓 Power BI 公共报表
    • 2.2 Power BI 报表为什么适合练习 response 抓包
    • 2.3 目标字段
  • 3️⃣ 合规与注意事项
  • • 3.1 robots.txt 基本说明
    • 3.2 频率控制，不要攻击式并发
    • 3.3 不采集敏感信息
    • 3.4 不绕过付费、登录和权限限制
  • 4️⃣ 技术选型与整体流程（What / How）
  • • 4.1 静态、动态与 API 的区别
    • 4.2 整体流程
    • 4.3 为什么选择 Playwright
    • 4.4 为什么不直接写死某个 Power BI 接口
  • 5️⃣ 环境准备与依赖安装
  • • 5.1 Python 版本
    • 5.2 创建虚拟环境
    • 5.3 requirements.txt
    • 5.4 推荐项目结构
    • 5.5 .env.example
  • 6️⃣ 核心实现：请求层（Fetcher）
  • • 6.1 配置文件：src/config.py
    • 6.2 工具函数：src/utils.py
    • 6.3 可选链接发现：src/discover.py
    • 6.4 Fetcher 主体：src/fetcher.py
    • 6.5 headers、timeout、session/cookie 与失败处理
    • • headers
      • timeout
      • session/cookie
      • 失败处理
  • 7️⃣ 核心实现：解析层（Parser）
  • • 7.1 Power BI 响应解析的难点
    • 7.2 Parser 设计原则
    • 7.3 解析代码：src/parser.py
    • 7.4 解析方式说明
    • 7.5 列表页如何拿详情链接
    • 7.6 详情页如何抽字段
    • 7.7 缺失字段怎么办
  • 8️⃣ 数据存储与导出（Storage）
  • • 8.1 字段映射表
    • 8.2 存储代码：src/storage.py
    • 8.3 去重策略
  • 9️⃣ 运行方式与结果展示
  • • 9.1 主入口：src/main.py
    • 9.2 如何启动
    • 9.3 输出在哪里
    • 9.4 示例结果
    • 9.5 如何确认抓到了关键响应
  • 🔟 常见问题与排错
  • • 10.1 403 怎么办
    • 10.2 429 怎么办
    • 10.3 HTML 抓到空壳怎么办
    • 10.4 解析不到页面名怎么办
    • 10.5 图表名全是 barChart、card、lineChart 怎么办
    • 10.6 筛选条件太长怎么办
    • 10.7 指标值提取太多怎么办
    • 10.8 编码或乱码怎么办
    • 10.9 Playwright 安装失败怎么办
    • 10.10 页面一直加载不完怎么办
    • 10.11 为什么 updated_at 不是真实刷新时间
    • 10.12 为什么不直接用 Power BI 官方 API
  • 1️⃣1️⃣ 进阶优化
  • • 11.1 并发优化
    • 11.2 断点续跑
    • 11.3 日志与监控
    • 11.4 定时任务
    • 11.5 Docker 化
    • 11.6 针对具体报表写规则
    • 11.7 使用官方导出能力
    • 11.8 数据质量校验
  • 1️⃣2️⃣ 总结与延伸阅读
  • 🌟 文末
  • • ✅ 专栏持续更新中｜建议收藏 + 订阅
    • ✅ 互动征集
    • ✅ 免责声明