本教程详细介绍了如何通过直接调用nba官方隐藏的api接口，高效且稳定地抓取nba选秀体测数据。针对传统网页抓取工具在动态加载页面上遇到的挑战，文章提供了基于`requests`库和`pandas`库的解决方案，并展示了如何构建请求、解析json数据，最终将数据整理成结构化的dataframe，适用于数据分析和研究。
在进行网页数据抓取（Web Scraping）时，开发者经常会遇到动态加载内容的网站。这类网站的数据并非直接嵌入在HTML源代码中，而是通过JavaScript在页面加载完成后，向后端API发送请求并动态渲染到页面上。对于这类场景，传统的基于BeautifulSoup解析HTML的抓取方法往往会失效，因为在requests.get()获取到的原始HTML中，目标数据表格可能尚未生成。
以NBA官网的选秀体测数据页面为例，如https://www.nba.com/stats/draft/combine-anthro?SeasonYear=2022-23。如果我们尝试使用requests获取页面内容，再用BeautifulSoup查找
标签，很可能会发现找不到任何表格，或者找到的表格是空的。这是因为页面上的数据表格是在浏览器端通过JavaScript调用后台API获取数据后才动态生成的。
import requestsfrom bs4 import BeautifulSoupurl = "https://www.nba.com/stats/draft/combine-anthro?SeasonYear=2022-23"response = requests.get(url)soup = BeautifulSoup(response.content, "html.parser")# 尝试查找表格，通常会失败或返回空列表tables = soup.find_all("table")print(f"找到的表格数量: {len(tables)}")# 预期输出可能是: 找到的表格数量: 0
这种情况下，我们需要改变策略，不再尝试解析前端渲染的HTML，而是直接定位并请求后端提供数据的API接口。
API抓取原理与实现步骤
大多数动态加载数据的网站，其数据源都是通过特定的API接口提供的JSON或XML格式数据。通过浏览器的开发者工具（通常是F12），在“Network”（网络）选项卡中监控页面加载过程中的XHR（XMLHttpRequest）请求，可以找到这些隐藏的API接口。
对于NBA官网的选秀体测数据，经过分析可以发现，其数据是通过https://stats.nba.com/stats/draftcombineplayeranthro这个API接口获取的。
以下是使用Python的requests库和pandas库实现API数据抓取的详细步骤：
1. 导入必要的库
我们需要requests库来发送HTTP请求，以及pandas库来处理和存储数据。
import requestsimport pandas as pd
2. 定义API接口URL和请求参数
API接口通常需要一些参数来指定要获取的数据类型、赛季等。这些参数通常以字典形式传递给requests库的params参数。
秀脸FacePlay
一款集成AI换脸、照片跳舞等多种AI特效玩法的App
64 查看详情 
url = "https://stats.nba.com/stats/draftcombineplayeranthro"# 定义请求参数，例如获取2022-23赛季的数据payload = { "LeagueID": "00", # 联盟ID，通常为"00"代表NBA "SeasonYear": "2022-23" # 目标赛季年份}
3. 设置请求头（Headers）
为了模拟浏览器行为，避免被服务器识别为爬虫并拒绝访问，通常需要设置一些HTTP请求头。其中，Referer（来源页面）和User-Agent（用户代理）是最关键的两个。User-Agent告知服务器请求来自何种浏览器和操作系统，Referer则指示请求是从哪个页面发起的。
headers = { "Referer": "https://www.nba.com/", # 模拟从NBA官网发起的请求 "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36" # 模拟常用浏览器}
注意：User-Agent可以根据自己的浏览器信息进行替换，以提高成功率。
4. 发送GET请求并解析JSON数据
使用requests.get()方法发送GET请求，并将params和headers传递进去。API返回的数据通常是JSON格式，可以直接通过.json()方法解析为Python字典。
response = requests.get(url, params=payload, headers=headers)response.raise_for_status() # 检查请求是否成功，如果状态码不是200，则抛出异常data = response.json()
5. 提取数据并转换为Pandas DataFrame
NBA API返回的JSON数据通常结构比较复杂，实际的数据行和列名通常嵌套在resultSets列表的第一个元素中。rowSet键对应数据行，headers键对应列名。
# 提取数据行row_set = data["resultSets"][0]["rowSet"]# 提取列名columns = data["resultSets"][0]["headers"]# 使用pandas创建DataFramedf = pd.DataFrame(row_set, columns=columns)
6. 查看结果
打印DataFrame的前几行，验证数据是否成功获取。
print(df.head())
完整代码示例
将以上步骤整合，得到完整的Python脚本：
import requestsimport pandas as pddef get_nba_combine_data(season_year="2022-23"): """ 从NBA API获取指定赛季的选秀体测数据。 Args: season_year (str): 赛季年份，例如 "2022-23"。 Returns: pandas.DataFrame: 包含选秀体测数据的DataFrame。 """ url = "https://stats.nba.com/stats/draftcombineplayeranthro" payload = { "LeagueID": "00", "SeasonYear": season_year } headers = { "Referer": "https://www.nba.com/", "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36" } try: response = requests.get(url, params=payload, headers=headers, timeout=10) response.raise_for_status() # 检查HTTP响应状态码 data = response.json() # 检查API返回的数据结构 if "resultSets" in data and len(data["resultSets"]) > 0: row_set = data["resultSets"][0]["rowSet"] columns = data["resultSets"][0]["headers"] df = pd.DataFrame(row_set, columns=columns) return df else: print(f"API返回数据结构异常或无数据：{data}") return pd.DataFrame() except requests.exceptions.RequestException as e: print(f"请求NBA API失败: {e}") return pd.DataFrame() except KeyError as e: print(f"解析JSON数据时键错误: {e}. 请检查API返回的JSON结构。") return pd.DataFrame()# 调用函数获取2022-23赛季数据nba_combine_df = get_nba_combine_data(season_year="2022-23")if not nba_combine_df.empty: print("n成功获取NBA选秀体测数据：") print(nba_combine_df.head()) print(f"nDataFrame形状: {nba_combine_df.shape}")else: print("n未能获取NBA选秀体测数据。")# 示例输出：# TEMP_PLAYER_ID PLAYER_ID FIRST_NAME ... BODY_FAT_PCT HAND_LENGTH HAND_WIDTH# 0 1630534 1630534 Ochai ... 5.40 8.75 9.50# 1 1631116 1631116 Patrick ... 8.90 8.75 9.50# 2 1631094 1631094 Paolo ... NaN NaN NaN# 3 1631109 1631109 Mark ... 5.40 9.00 9.75# 4 1630592 1630592 Jalen ... NaN NaN NaN## [5 rows x 18 columns]# DataFrame形状: (83, 18)
注意事项与总结
API稳定性： 尽管直接调用API效率高，但非官方API接口可能随时变更，导致抓取代码失效。请求频率： 避免在短时间内发送大量请求，这可能导致IP被封禁。适当添加延时（time.sleep()）是一个好习惯。错误处理： 在实际应用中，应加入更完善的错误处理机制，例如try-except块来捕获网络请求失败、JSON解析错误等异常。参数探索： 通过修改payload中的SeasonYear参数，可以方便地获取不同赛季的数据。对于其他NBA统计数据，也可以尝试用类似方法探索其API接口。User-Agent和Referer： 保持这些请求头与真实浏览器行为一致，是提高抓取成功率的关键。
通过直接识别和调用后端API，我们可以有效地绕过前端动态加载的限制，从而高效、稳定地获取所需数据。这种方法不仅适用于NBA官网，也适用于许多其他采用类似技术栈的动态网站。理解网站的数据加载机制，是进行高级网页抓取的关键。
以上就是高效获取NBA选秀体测数据：绕过动态加载的API抓取方法的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/576031.html
赞 (0)
打赏
微信扫一扫
支付宝扫一扫
相关推荐
-
在Django电商项目中，当使用AJAX动态加载过滤后的产品列表时，常遇到图片无法正常显示的问题。这通常是由于前端模板中图片加载方式（如data-setbg属性结合JavaScript库）与AJAX动态内容更新机制不兼容所致。解决方案是直接在AJAX返回的HTML中使用标准的标签来渲染图片，确保浏览…
-
推荐开源免费PHP开发工具以提升效率：VS Code、Sublime Text轻量高效，PhpStorm专业强大；调试用Xdebug、Kint、Ray；依赖管理选Composer；代码质量工具包括PHPStan、Psalm、PHP_CodeSniffer；数据库管理可用%ignore_a_1%MyA…
-
-
本教程探讨golang中如何高效控制结构体字段在json序列化时的可见性。当需要将包含敏感信息的结构体数组转换为json响应时，通过利用`encoding/json`包提供的结构体标签，特别是`json:”-“`，可以轻松实现对特定字段的忽略，从而避免敏感数据泄露，确保api…
-
本文旨在探讨Python中海象运算符（:=）在条件赋值场景下的应用。通过对比传统if/else语句与海象运算符，以及条件表达式，分析海象运算符在简化代码、提高可读性方面的优势与局限性。并通过具体示例，展示如何在列表推导式等场景下合理使用海象运算符，同时强调其潜在的复杂性及替代方案，帮助开发者更好地掌…
-
首先创建含enctype的HTML表单，再用PHP接收文件，检查目录、移动临时文件，验证类型与大小，生成唯一文件名，并调整php.ini限制以确保上传成功。 如果您尝试在PHP项目中添加图片上传功能，但服务器无法正确接收或保存文件，则可能是由于表单配置、文件处理逻辑或安全限制的问题。以下是实现该功能…
-
比特币是一种去中心化的数字货币，基于区块链技术实现点对点交易，具有匿名性、有限发行和不可篡改等特点；新手可通过交易所购买，P2P交易获得比特币，常用平台包括Binance、OKX和Huobi；交易流程包括注册账户、实名认证、绑定支付方式、充值法币并下单购买，可选择市价单或限价单；比特币存储方式有交易…
-
滚动条可以存在也可以不存在，本文主要介绍了html 隐藏滚动条和去除滚动条的方法的相关资料,大家一起来学习一下html隐藏滚动条或去除滚动条的方法吧。 1. html 标签加属性 XML/HTML Code复制内容到剪贴板 2.body中加入以下代码 立即学习“前端免费学习笔记（深入）”； html…
-
首先保存文件为.html格式，再通过浏览器或Live Server插件打开预览；推荐安装Live Server实现本地服务器运行与实时刷新，提升开发体验。 在 VS Code 上运行 HTML 文件并不需要复杂的配置，只需几个简单步骤即可预览页面效果。VS Code 本身是一个代码编辑器，不直接运行…
-
在使用rich库的`richhandler`进行日志输出并同时使用`progress`组件时，可能会遇到显示错乱或溢出问题。这通常是由于为`richhandler`和`progress`分别创建了独立的`console`实例导致的。解决方案是确保日志处理器和进度条组件共享同一个`console`实例…
-
本文探讨了在Web开发中，交互式按钮（如播放/暂停按钮）在点击时发生意外垂直位移的问题。通过分析CSS样式变化对元素布局的影响，我们发现这是由于按钮不同状态下的边框样式和内边距改变，以及默认的垂直对齐行为共同作用所致。核心解决方案是利用CSS的vertical-align属性，将其设置为middle…
-
标签定义多行的文本输入控件。 文本区中可容纳无限数量的文本，其中的文本的默认字体是等宽字体（通常是 Courier）。 可以通过 cols 和 rows 属性来规定 textarea 的尺寸，不过更好的办法是使用 CSS 的 height 和 width 属性。 注释：在文本输入区内的文本行间，用 …
-
Jupyter Notebook通过单元格实现代码与Markdown结合，支持数据导入（pandas）、清洗（fillna）、探索（matplotlib/seaborn可视化）、统计分析（describe/corr）和特征工程，便于记录与分享分析过程。 Jupyter Notebook 是进行探索性…
-
HTML表单通过标签构建，包含action和method属性定义数据提交目标与方式，常用input类型如text、password、email等适配不同输入需求，配合label、required、placeholder提升可用性，结合textarea、select、button等控件实现完整交互，是…
-
根据数据特性选择合适的存储方式并制定清晰的读写与清理逻辑，能显著提升前端性能；合理运用Cookie、localStorage、sessionStorage、IndexedDB及Cache API，结合缓存策略与定期清理机制，可在保证用户体验的同时避免安全与性能隐患。 前端缓存和JavaScript存…
-
首先利用原生touch事件实现滑动判断，再通过preventDefault解决滚动冲突，接着引入Hammer.js处理复杂手势，最后通过优化点击区域、避免事件冲突和增加视觉反馈提升体验。 在移动端浏览器中，HTML5网页可以通过触摸事件实现手势操作，提升用户体验。虽然原生JavaScript提供了基…
-
本文深入探讨 express.js 中间件函数中的 `next()` 参数。它负责将控制权传递给请求-响应周期中的下一个中间件或路由处理程序。文章将详细解释 `next()` 的工作原理、中间件的注册与执行顺序，以及不正确使用 `next()` 可能导致请求挂起的风险，并通过代码示例和实际应用场景，…
-
使用Python的cProfile模块分析脚本性能最直接的方式是通过命令行执行python -m cProfile your_script.py，它会输出每个函数的调用次数、总耗时、累积耗时等关键指标，帮助定位性能瓶颈；为进一步分析，可将结果保存为文件python -m cProfile -o ou…
-
本教程详细阐述了如何在php中根据动态数据源（如数据库值）生成多个表单输入框，并演示了如何通过post方法准确无误地获取这些动态生成的输入值。文章强调了正确的输入框命名策略，避免了常见的命名误区，并提供了完整的代码示例，确保开发者能够高效处理动态表单数据。 动态生成表单输入 在Web开发中，我们经常…
-
本文深入探讨了Python中一种递归打印序列元素的方法，并着重演示了如何通过引入缩进参数来有效追踪递归函数的执行流程和参数变化。通过实际代码示例，文章揭示了递归调用可能带来的潜在性能开销，特别是对调用栈空间的需求，以及Python默认递归深度限制可能导致的错误，为读者提供了理解和优化递归算法的实用见…
微信扫一扫 
支付宝扫一扫 
