爬虫实践--CBA历年比赛数据

闲来无聊，恰好有个朋友来问爬虫的事情，提及来了CBA这两年的比赛数据，作个分析，再来个大数据啥的。来了兴趣，果真搞起来，下面分享一下爬虫的思路。 ## 一、选取数据源 这里我并不懂CBA，数据源选的是国内某门户网站的CBA专栏，下面会放连接地址，有兴趣的能够去看看。 ## 二、分析数据 通过查看页面元素，发现页面是后台渲染，没办法经过接口直接获取数据。下面就要分析页面元素，看到全部的数据都是存在表格里面的，这下就简单了不少。 ## 三、肯定思路 思路比较简单，经过正则把全部行数据都提取出来，过滤掉无用的修饰信息，获得的就是想要的数据。此处我把每行的列符合替换成了“,”方便用csv记录数据。 通过过滤以后的数据以下： ``` 球队,第一节,第二节,第三节,第四节,总比分 广州,33,37,36,27,133 北控,23,18,17,34,92 2019-01-1619:35:00轮次：31场序309开始比赛　　比赛已结束 首发,球员,出场时间,两分球,三分球,罚球,进攻,篮板,助攻,失误,抢断,犯规,盖帽,得分 ,张永鹏,25.8,7-9,0-0,1-1,4,8,3,0,0,1,0,15 ,鞠明欣,19.1,2-4,1-2,0-0,2,5,2,2,0,1,0,7 ,西热力江,25.5,1-1,4-8,0-0,1,2,4,1,3,1,0,14 ,郭凯,15.5,2-2,0-0,0-0,2,3,0,2,0,2,0,4 ,凯尔·弗格,38.1,5-9,5-9,11-11,0,10,12,2,2,4,0,36 ,姚天一,12.3,0-1,1-4,0-0,0,1,5,0,0,0,0,3 ,科里·杰弗森,24.0,4-4,2-4,3-4,0,6,0,1,0,1,1,17 ,陈盈骏,22.6,1-1,2-7,1-1,0,2,4,2,1,2,0,9 ,司坤,19.0,2-2,0-2,0-0,0,5,1,0,1,4,0,4 ,孙鸣阳,20.6,2-3,0-0,3-3,1,4,1,2,3,4,0,7 ,谷玥灼,7.4,1-1,1-2,0-0,0,0,2,0,0,0,0,5 ,郑准,10.1,3-4,2-3,0-0,0,2,0,0,0,1,0,12 ,总计,240.0,30-41(73.2%),18-41(43.9%),19-20(95.0%),10,48,34,12,10,21,1,133 首发,球员,出场时间,两分球,三分球,罚球,进攻,篮板,助攻,失误,抢断,犯规,盖帽,得分 ,于梁,20.8,1-3,0-1,0-0,0,0,2,0,1,5,0,2 ,于澍龙,17.9,0-1,1-3,0-0,0,2,1,2,0,1,0,3 ,许梦君,46.2,1-3,5-12,0-0,1,6,2,1,0,3,0,17 ,托马斯·罗宾逊,43.4,9-20,0-2,9-14,3,11,5,2,1,3,1,27 ,杨敬敏,16.0,3-4,0-3,0-0,0,0,0,2,0,1,0,6 ,孙贺男,2.8,0-0,0-0,0-0,0,0,0,1,0,1,0,0 ,刘大鹏,28.0,1-1,3-5,0-0,1,4,3,2,2,3,0,11 ,张铭浩,8.5,0-0,0-0,1-2,0,0,0,0,1,1,0,1 ,张帆,27.5,5-7,1-3,0-0,0,1,6,4,1,2,0,13 ,王征,23.3,3-3,0-0,6-8,0,2,0,0,1,1,1,12 ,常亚松,5.6,0-0,0-1,0-0,0,1,0,1,2,0,0,0 ,总计,240.0,23-42(54.8%),10-30(33.3%),16-24(66.7%),5,27,19,15,9,21,2,92 ``` 下面分享本身代码： ``` package com.fun import com.fun.frame.Save import com.fun.frame.httpclient.FanLibrary import com.fun.utils.Regex import com.fun.utils.WriteRead class sd extends FanLibrary { public static void main(String[] args) { int i = 1 def total = [] range(300, 381).forEach {x -> total.addAll test(x) } Save.saveStringList(total, "total4.csv") testOver() } static def test(int i) { if (new File(LONG_Path + "${i}.csv").exists()) return WriteRead.readTxtFileByLine(LONG_Path + "${i}.csv") String url = "http://cbadata.sports.sohu.com/game/content/2017/${i}" def get = getHttpGet(url) def response = getHttpResponse(get) def string = response.getString("content").replaceAll("\\s", EMPTY) // output(string) def all = Regex.regexAll(string, " <\\/tr>") def list = [] all.forEach {x -> def info = x.replaceAll(" ", EMPTY).replaceAll("", ",") info = info.replaceAll("<.*?>", EMPTY) info = info.charAt(info.length() - 1) == ',' ? info.substring(0, info.length() - 1) : info if (info.startsWith("总计")) info = "," + info list << info output(info) } Save.saveStringList(list, "${i}.csv") return list } } ``` 有兴趣的，能够后台回复“大爷来玩啊”获取本人微信号，我们私聊。 ## 技术类文章精选 - [java一行代码打印心形](https://mp.weixin.qq.com/s/QPSryoSbViVURpSa9QXtpg) - [Linux性能监控软件netdata中文汉化版](https://mp.weixin.qq.com/s/fdXtK-5WwKnxjLZdyg6-nA) - [接口测试代码覆盖率（jacoco）方案分享](https://mp.weixin.qq.com/s/D73Sq6NLjeRKN8aCpGLOjQ) - [性能测试框架](https://mp.weixin.qq.com/s/3_09j7-5ex35u30HQRyWug) - [如何在Linux命令行界面愉快进行性能测试](https://mp.weixin.qq.com/s/fwGqBe1SpA2V0lPfAOd04Q) - [图解HTTP脑图](https://mp.weixin.qq.com/s/100Vm8FVEuXs0x6rDGTipw) - [将swagger文档自动变成测试代码](https://mp.weixin.qq.com/s/SY8mVenj0zMe5b47GS9VSQ) - [五行代码构建静态博客](https://mp.weixin.qq.com/s/hZnimJOg5OqxRSDyFvuiiQ) - [基于java的直线型接口测试框架初探](https://mp.weixin.qq.com/s/xhg4exdb1G18-nG5E7exkQ) - [JUnit中用于Selenium测试的中实践](https://mp.weixin.qq.com/s/KG4sltQMCfH2MGXkRdtnwA) ## 非技术文章精选 - [为何选择软件测试做为职业道路?](https://mp.weixin.qq.com/s/o83wYvFUvy17kBPLDO609A) - [写给全部人的编程思惟](https://mp.weixin.qq.com/s/Oj33UCnYfbUgzsBzEm2GPQ) - [成为优秀自动化测试工程师的7个步骤](https://mp.weixin.qq.com/s/wdw1l4AZnPpdPBZZueCcnw) - [手动测试存在的重要缘由](https://mp.weixin.qq.com/s/mW5vryoJIkeskZLkBPFe0Q) - [成为自动化测试的7种技能](https://mp.weixin.qq.com/s/e-HAGMO0JLR7VBBWLvk0dQ) - [自动化和手动测试，保持平衡！](https://mp.weixin.qq.com/s/mMr_4C98W_FOkks2i2TiCg) - [自动化测试生命周期](https://mp.weixin.qq.com/s/SH-vb2RagYQ3sfCY8QM5ew) - [如何在DevOps引入自动化测试](https://mp.weixin.qq.com/s/MclK3VvMN1dsiXXJO8g7ig) ## 大咖风采 - [Tcloud 云测平台--集大成者](https://mp.weixin.qq.com/s/29sEO39_NyDiJr-kY5ufdw) - [Android App 测试工具及知识大集合](https://mp.weixin.qq.com/s/Xk9rCW8whXOTAQuCfhZqTg) - [4399AT UI自动化CI与CD](https://mp.weixin.qq.com/s/cVwg8ddnScWPX4uldsJ0fA) - [Android App常规测试内容](https://mp.weixin.qq.com/s/tweeoS5wTqK3k7R2TVuDXA) - [JVM的对象和堆](https://mp.weixin.qq.com/s/iNDpTz3gBK3By_bvUnrWOA)