TL;DR
- 要将实时网页数据连接到 Tableau，首先收集并验证上游的网页观察结果，将其加载到数据库或数据仓库中，并使用 Tableau 对该数据库的实时连接。
- “实时”描述的是 Tableau 的查询模式，而不是底层网页的即时新鲜度。
- Nstdata Crawl 是一个适用于 LLM 数据的网页爬虫 API，可以发现有限的网站，渲染 JavaScript，并输出 Markdown、HTML、原始数据、链接、PDF 或截图以用于上游处理。
- Tableau 的 REST API 连接器是仅提取的；Web 数据连接器 3.0 已弃用，因此这两者都不应作为从 Crawl API 的通用直接实时路径呈现。
- 将源 URL、观察时间、作业 ID 和验证状态携带到报告表中。
- 将端到端新鲜度测量为爬取间隔加上收集、转换、加载和 Tableau 查询或缓存延迟。
你能真的将实时网页数据连接到 Tableau 吗？
你可以通过将频繁更新的网页观察结果加载到数据库中，并使用 Tableau 对该数据库的实时连接，将其连接到 Tableau。每次仪表板交互时，Tableau 不会查询网页源本身。Tableau 的实时与提取文档 区分了查询底层数据源的实时连接与需要刷新提取的情况。
对于页面收集，Nstdata Crawl 提供了用于 LLM 数据的上游网页爬虫 API。
这对竞争定价、公共政策监测、市场研究和 AI 产品指标非常重要。一个仪表板在技术上可以是“实时”的，尽管显示的是几个小时前收集的观察结果。始终公开 observed_at 和新鲜度指标。自动数据收集指南 解释了如何从业务决策而不是从仪表板设置中设定新鲜度目标。
架构看起来是什么样的？
架构包含一个定时网页收集作业，一个验证和存储层，以及与支持的数据库或数据仓库的 Tableau 连接。一个实际的流程是：
审核的 URL → Nstdata Crawl → 任务与页面调解 → 字段提取和质量检查 → 数据库表 → Tableau 实时连接 → 仪表板
Nstdata Crawl 是收集层。它可以从已知的 URL 开始，或者在 maxDepth、maxPages、includeUrls 和 excludeUrls 内发现页面。JavaScript 渲染可以捕获静态 HTML 中缺失的内容，内置的代理编排避免了单独的代理配置。Markdown 对于 LLM 使用者很有用；当你必须映射准确的字段时，HTML 或原始数据更合适。链接支持发现，而截图和 PDF 可以支持回顾。这些是页面工件，而不是 Tableau 准备好的事实表。Nstdata Crawl API 文档 显示了当前的端点和输出。
该表应具有稳定的实体键，source_url、observed_at、crawl_id、标准化度量、单位或货币，以及 。将页面工件单独保存，以便能够追踪到记录的不一致性。在价格仪表板中，一行应该标识一种变体和优惠，而不仅仅是一个通用产品页面。 介绍了为什么该字段映射需要明确规则。
