投稿获客
广告
广告 广告 广告
广告 广告 广告 广告
广告 █ 推荐【菠萝云】香港16G内存99元 【CDNCloud】极速、安全可靠的加速体验 广告位联系QQ：253000106 【UStat】免费网站统计平台 SSL证书低至2折 单域名36元起 免费测试！海总一手APK免杀处理 广告位联系QQ：253000106 CDN 服务器 反炸 劫持 域名屏蔽 【UStat】专业网站统计平台 域名注册：海量域名快速注册 安卓免杀 谷歌报毒 封装 苹果签名 广告位联系QQ：253000106 【域名被劫持污染如何处理】 安卓免杀★超级签★封装★谷歌屏蔽 广告位联系QQ：253000106

*本站广告为第三方投放，如发生纠纷，请向本站索取第三方联系方式沟通

  1. 创想鸟首页
  2. 后端开发

高效获取NBA选秀体测数据：绕过动态加载的API抓取方法

程序猿 • • 后端开发 • 阅读 2

高效获取NBA选秀体测数据：绕过动态加载的API抓取方法

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。

传统网页抓取面临的挑战

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 秀脸FacePlay

一款集成AI换脸、照片跳舞等多种AI特效玩法的App

秀脸FacePlay 64 查看详情 秀脸FacePlay 

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 微信扫一扫 支付宝扫一扫 支付宝扫一扫
0 0

关于作者

程序猿的头像

程序猿签约作者

364.5K 文章
0 评论
1 粉丝
这个人很懒，什么都没有留下～
上一篇 2025年11月10日 08:31:41
下一篇 2025年11月10日 08:35:22

相关推荐

发表回复

登录后才能评论
关注微信