高效获取NBA选秀体测数据：绕过动态加载的API抓取方法-Python教程-PHP中文网

高效获取NBA选秀体测数据：绕过动态加载的API抓取方法

碧海醫心

发布： 2025-11-01 13:04:16

原创

442人浏览过

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<table>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 requests
from bs4 import BeautifulSoup

url = "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

登录后复制

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 requests
import pandas as pd

登录后复制

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

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
}

登录后复制

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
}

登录后复制

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()

登录后复制

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DataFrame
df = pd.DataFrame(row_set, columns=columns)

登录后复制

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())

登录后复制

完整代码示例

将以上步骤整合，得到完整的Python脚本：

import requests
import pandas as pd

def 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)

登录后复制

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php中文网其它相关文章！