开发一个自动在Notion中绘制图表的工具
实际上,每个人都无法从Notion表格中可视化数据,这就是为什么我开发了一个可以自动在Notion中绘制图表的工具。
从我的角度来看,它是这样的:
第一部分 问题陈述 #
问题实际上是Notion中没有图表。因此,我们需要创建这样一个工具:
- 将接收一个可能包含图表描述的页面列表。
- 从页面中收集图表的描述。
- 在描述块后面添加一个图表,并删除原来的描述块。 ## 第2部分. 快速解释
我们将使用Django编写服务器,因为非官方的Notion API库是用Python编写的。然后我们将将我们的东西上传到Heroku。我们将使用IFTTT以一定的频率从Heroku拉取我们的东西。
那么我们应该实际上写些什么呢?
- 一个用于响应IFTTT请求的函数
- 一个用于搜索情节描述的函数
- 一个用于绘制情节并将其上传到Notion的函数
- 一个用于从描述中提取数据的函数
第3部分. 编写代码 #
我们去Notion,按下Ctrl + Shift + J,然后我们去应用程序-> Cookie并复制token_v2。让我们将其命名为TOKEN。
我们应该以某种方式存储一个页面数组,其中情节的描述可能存在。实际上很简单:
PAGES = [ "https://www.notion.so/mixedself/Dashboard- 40a3156030fd4d9cb1935993e1f2c7eb" ]
``` 为了某种程度上解析描述本身,我们需要以下关键词:
1. X轴上的数据
2. Y轴上的数据
3. 表格视图的URL
**代码如下所示:**
BASE_KEY = "基础:" X_AXIS_KEY = "X轴:" Y_AXIS_KEY = "Y轴:"
而一个空的图表描述如下所示:
def get_empty_object(): return { "数据库": "", "X轴": "", "Y轴": "" }
我们需要某种方式来检查描述是否为空。为此,我们将编写一个特殊函数:如果所有字段都不为空,则可以开始绘制图表。
def is_not_empty(thing): return thing != ""
def check_for_completeness(object): return is_not_empty(object["数据库"]) and is_not_empty(object["X轴"]) and is_not_empty(object["Y轴"])
需要以某种方式提取数据(实际上只是文本)以生成描述。让我们编写一些函数来实现这一点。
**原理解析:** Notion 将粗体字段存储为带前后双下划线的形式,我们编写辅助函数来进行正则清理:
```python
def br_text(text):
return "__" + text + "__"
def clear_text(text):
return text.replace(br_text(BASE_KEY), "").replace(BASE_KEY, "") \
.replace(br_text(X_AXIS_KEY), "").replace(X_AXIS_KEY, "") \
.replace(br_text(Y_AXIS_KEY), "").replace(Y_AXIS_KEY, "").strip()
现在让我们编写核心的图表绘制调度函数:
def plot():
client = NotionClient(token_v2=TOKEN)
for page in PAGES:
blocks = client.get_block(page)
thing = get_empty_object()
for i in range(len(blocks.children)):
block = blocks.children[i]
if block.type != "image":
title = block.title
if BASE_KEY in title:
thing["database"] = clear_text(title).split("](")[0].replace("[", "")
elif X_AXIS_KEY in title:
thing["x"] = clear_text(title)
elif Y_AXIS_KEY in title:
thing["y"] = clear_text(title)
if is_valid(thing):
draw_plot(client, thing, block, blocks)
我们将脚本客户端连接到 Notion,随后遍历需要绘图的页面。逐行检查文本是否包含约定的属性标记键;若匹配则提取清理后的字段并写入配置对象。确认配置完整后,调用绘图函数生成图表。
现在编写一个从数据库表格提取数据点线段数组的函数:
def get_lines_array(thing, client):
database = client.get_collection_view(thing["database"])
rows = database.default_query().execute()
lines_array = []
for i in range(1, len(rows)):
previous_row = rows[i - 1]
current_row = rows[i]
line = [(get_point_from_row(thing, previous_row)), (get_point_from_row(thing, current_row))]
lines_array.append(line)
return lines_array
在这里,我们获取表格内容并遍历所有行,形成一个从点到点的线段数组。
对于包含日期类型的属性,我们通过专用解析函数确保 matplotlib 能够正确识别时间轴坐标:
def get_point_from_row(thing, row):
x_property = row.get_property(thing["x"])
y_property = row.get_property(thing["y"])
if thing["x"] == "date":
x_property = x_property.start
if thing["y"] == "date":
y_property = y_property.start
return (x_property, y_property)
接下来绘制图表并将图片回传给 Notion 页面:
def draw_plot(client, thing, block, page):
photo = page.children.add_new(ImageBlock)
photo.move_to(block, "after")
array = get_lines_array(thing, client)
for i in range(1, len(array)):
points = reparse_points(array[i - 1:i][0])
plt.plot(points[0], points[1], color="red")
if not os.path.exists("images"):
os.mkdir("images")
if thing["x"] == "date":
x_axis_dates()
filename = "images/" + random_string(15) + ".png"
plt.savefig(filename)
photo.upload_file(filename)
在这里,我们在当前图表描述下方插入一个图片块(ImageBlock),解析坐标点后通过 matplotlib 渲染折线并保存至临时目录,最后直接上传为 Notion 页面内的图片。
点数组维度重组辅助函数如下:
def reparse_points(points):
return [
[points[0][0], points[1][0]],
[points[0][1], points[1][1]]
]
如果 X 轴为日期格式,通过以下函数自动优化时间轴刻度展示:
def x_axis_dates(ax=None, fig=None):
if ax is None:
ax = plt.gca()
if fig is None:
fig = plt.gcf()
loc = mdates.AutoDateLocator()
fmt = mdates.AutoDateFormatter(loc)
ax.xaxis.set_major_locator(loc)
ax.xaxis.set_major_formatter(fmt)
fig.autofmt_xdate()
第4部分. 使用 IFTTT 定时触发 #
前往 IFTTT Applets 创建页 (opens new window)。选择触发器(在我们的场景中为 Date & Time 每小时触发),Action 选择 Webhook 发送 POST 请求调用我们的云端服务接口。
第5部分. 部署与自动化运行 #
你可以将服务部署在轻量云服务器或 Serverless 容器中,配置环境变量 NOTION_TOKEN 和工作区 Page ID。通过 IFTTT 每小时发送一次 Webhook 请求触发脚本拉取数据库数据并刷新图表。
部署完成后,在 IFTTT 中配置对应的服务公开 URL,即可实现 Notion 表格数据的全自动可视化图表渲染!
核心手册与速查工具矩阵
高频速查手册与生产力工具直达常见问题与答疑 (FAQ)
高频疑难解析与避坑指南完全不需要。绝大多数核心功能在免费 Free 计划中均可完整体验与实操练习,无需额外付费购买 Plus 或团队版。