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
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 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
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。
一款集成AI换脸、照片跳舞等多种AI特效玩法的App
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
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.js
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。https://www.chuangxiangniao.com/p/576031.html
(0)
打赏
相关推荐
答案：通过安装Verilog/SystemVerilog和Tcl扩展、配置Linter进行语法检查，并在tasks.json中定义调用Vivado命令行的任务，可在VSCode中实现RTL开发、语法高亮、智能提示及综合仿真等自动化流程，提升FPGA开发效率。 将VSCode作为Vivado的开发前端…
UC浏览器内存占用过高可通过清理缓存、关闭多余标签页、禁用插件和开启省电模式解决。首先清除浏览数据释放资源，其次减少同时开启的标签页数量以降低内存压力，接着管理扩展程序避免后台消耗，最后启用性能优化功能减少资源使用，提升整体运行效率。 如果您在使用UC浏览器时发现设备运行缓慢或应用响应迟缓，这很可能…
可通过存储感知、组策略或任务计划程序设置回收站自动清理。首先启用存储感知并配置回收站文件保留时间；其次专业版用户可使用组策略编辑器精细管理回收站容量与清理周期；最后通过任务计划程序创建定时任务，运行PowerShell命令“Clear-RecycleBin -Force”实现自动化清理。 如果您发现…
答案：高效配置VSCode与Node.js需确保Node.js和npm为最新版，利用集成终端运行命令，通过jsconfig.json或tsconfig.json优化项目配置，解决中文乱码需设置终端编码为UTF-8并选择支持中文的字体，调试核心是正确配置launch.json文件，使用pwa-node…
轻触链接即刻访问 当您在信息、邮件或其它应用程序中遇到一个网址链接时，只需轻轻点击该链接，iPhone便会自动启动Safari浏览器并加载对应的网页内容。这是最为普遍且高效的访问方式。 借助快捷指令快速进入 若您频繁访问某个特定网址，可使用“快捷指令”功能实现一键直达。先从App Store下载“快…
首先确认系统环境并检查是否已安装相关软件，然后选择包管理器或源码编译方式安装PHP；推荐使用包管理器快速安装，如Debian/Ubuntu用apt，CentOS/RHEL/Fedora用yum或dnf，FreeBSD用pkg；安装后配置Web服务器，Apache需加载mod_php或集成PHP-FP…
1、调整视觉效果设置，取消“在桌面上为图标标签使用阴影”可消除蓝色背景；2、解除桌面Web项目锁定并清除Web内容；3、专业版用户可通过组策略禁用Active Desktop功能以彻底解决问题。 如果您发现Windows 8系统中的桌面图标带有蓝色阴影或底纹，这通常是由于系统视觉效果设置或桌面项目锁…
关于打印pdf操作的需求，经过研究，发现以下两种方法： 在现有的模板上进行编辑，这种方法操作难度较大。而通过FreeMarker生成静态页面，然后转换为HTML，操作更为顺畅。动态生成PDF的方法在网上参考较多，经过对比，我认为使用FreeMarker结合IText生成PDF最为简单。参考链接为ht…
本文深入探讨了在Java多线程环境中如何有效解决并发操作中断问题，特别是当多个线程尝试同时执行非原子性操作（如打印）时。文章指出，单纯依赖线程优先级并不可靠，并详细介绍了使用synchronized关键字配合共享锁对象实现互斥访问的关键技术，确保关键代码块的原子性执行，从而避免数据混乱和逻辑错误。 …
本文将介绍如何使用 PHP 的空值合并运算符 (??) 为数组元素设置默认值，尤其是在处理用户输入时。 通过该运算符，可以在变量值为 null 或不存在时，提供一个备选值，从而简化代码并提高可读性。我们将通过一个实际的 Laravel 邮件发送示例，演示如何在请求参数中缺失主题时，设置默认主题。 空…
首先解决中文乱码需配置Git和VSCode编码为UTF-8，其次通过GitLens或Git Graph实现分支可视化，最后利用VSCode内置的冲突解决工具高效处理合并冲突，全面提升Git使用体验。 在VSCode里用Git，我总觉得能再顺手点。特别是处理中文提交信息、想直观看看分支图，或者面对恼人…
新用户可通过扫描官方二维码、完成App内新手任务、第三方平台链接及参与限时抢券活动领取美团外卖无门槛红包或大额优惠券，享受首单减免。 如果您是美团外卖的新用户，想要在下单时享受优惠，可以通过多种方式领取新人专享优惠券。这些优惠券通常为无门槛红包或大额满减券，能有效降低首次订餐成本。 本文运行环境：i…
VSCode通过集成WebGL预览插件实现三维图形编程的实时反馈，利用扩展架构提供GLSL语法支持、文件关联及命令注册，并通过Webview嵌入渲染窗口，结合消息通信与动态编译技术实现实时预览，配合保存自动刷新、错误定位与多视图布局优化交互体验，构建高效闭环开发环境。 在使用 VSCode 进行三维…
vscode在fpga开发中并非替代vivado，而是作为高效辅助工具提升开发效率。1. 在代码编写方面，vscode提供 superior 的语法高亮、自动补全和代码管理功能，显著优化verilog、systemverilog和tcl脚本的编写体验，并通过git实现无缝版本控制；2. 在仿真与自动…
本文深入探讨Apache Pulsar主题分区的创建与管理。Pulsar主题分区是实现高吞吐量和可伸缩性的关键，但必须在主题创建时进行配置。文章详细介绍了两种主要的分区主题创建方法：通过Broker配置实现自动分区，以及利用Pulsar Admin API进行显式创建，并强调了分区主题一旦创建后不可…
首先验证产品密钥正确性并重新输入，随后通过设置中的激活疑难解答工具自动修复问题，接着使用管理员命令提示符执行slmgr命令重置激活状态，同时运行sfc /scannow检查系统文件完整性，对于预装系统可查询OA 3.0出厂密钥进行激活。 如果您在尝试激活Windows 10系统时遇到失败提示，可能是…
在 Spring Boot 测试中，我们经常使用 @Sql 注解来执行 SQL 脚本，以便在测试前准备数据或在测试后清理数据。 通常的用法如下： @Sql(scripts = “/folder/my_favourite_script.sql”)@Testpublic void myTest() { …
秀脸FacePlay 
64 查看详情 
微信扫一扫 
支付宝扫一扫 
