主頁 > 後端開發 > 從stats.nba.com抓取表格-多種方法不起作用

從stats.nba.com抓取表格-多種方法不起作用

2021-10-16 01:24:27 後端開發

我們正試圖從這里抓取表格 - https://www.nba.com/stats/teams/advanced/?sort=W&dir=-1&Season=2020-21&SeasonType=Regular Season - 到 R 中。這就是我們所做的到目前為止嘗試過:

# get request from API found in network tab - this doesn't work, the request hangs
httr::GET(url = 'https://stats.nba.com/stats/leaguedashteamstats?Conference=&DateFrom=&DateTo=&Division=&GameScope=&GameSegment=&LastNGames=0&LeagueID=00&Location=&MeasureType=Advanced&Month=0&OpponentTeamID=0&Outcome=&PORound=0&PaceAdjust=N&PerMode=PerGame&Period=0&PlayerExperience=&PlayerPosition=&PlusMinus=N&Rank=N&Season=2020-21&SeasonSegment=&SeasonType=Regular Season&ShotClockRange=&StarterBench=&TeamID=0&TwoWay=0&VsConference=&VsDivision=')
# rvest returns empty nodeset when grabbing tables on page
'https://www.nba.com/stats/teams/advanced/?sort=W&dir=-1&Season=2020-21&SeasonType=Regular Season' %>%
  read_html() %>%
  html_nodes('table')

是否可以使用 R 從此網頁中抓取主表?

編輯:

headers = c(
    `authority` = 'www.nba.com',
    `cache-control` = 'max-age=0',
    `sec-ch-ua` = '"Chromium";v="94", "Google Chrome";v="94", ";Not A Brand";v="99"',
    `sec-ch-ua-mobile` = '?0',
    `sec-ch-ua-platform` = '"macOS"',
    `upgrade-insecure-requests` = '1',
    `user-agent` = 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.71 Safari/537.36',
    `accept` = 'text/html,application/xhtml xml,application/xml;q=0.9,image/avif,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9',
    `sec-fetch-site` = 'same-origin',
    `sec-fetch-mode` = 'navigate',
    `sec-fetch-user` = '?1',
    `sec-fetch-dest` = 'document',
    `accept-language` = 'en-US,en;q=0.9',
    `cookie` = 'usprivacy=1YNN; AMCVS_248F210755B762187F000101@AdobeOrg=1; s_ecid=MCMID|39761269548384710744541812242089157146; countryCode=US; s_cc=true; ug=61647d1f0252400a3f87470014d69025; nlhidescores=false; _pbjs_userid_consent_data=3524755945110770; qoscid=524912006.1633975588; qossid=1633975588; client_type=html5; client_version=4.4.0; ugs=1; OptanonAlertBoxClosed=2021-10-12T23:20:24.183Z; at_check=true; _parsely_visitor={"id":"pid=0cb0a9a5854f45ea8a6d48f74f03e800","session_count":1,"last_session_ts":1634155541257}; ab.storage.deviceId.cf150dab-3153-49b0-b48c-66a7c18688ea={"g":"28d2f640-2ad0-b8e9-b78c-016ba5a85671","c":1634155541318,"l":1634155541318}; OptanonControl=ccc=US&csc=&cic=0&otvers=6.24.0&pctm=2021-10-12T23:20:24.183Z&reg=ccpa&ustcs=1YNN&vers=3.1.5; aam_uuid=39724801183369993254542124123886279717; s_ips=796; mbox=session#70d31bd3ea124acc80cb089a5594528e#1634158760|PC#70d31bd3ea124acc80cb089a5594528e.34_0#1697401700; ab.storage.sessionId.cf150dab-3153-49b0-b48c-66a7c18688ea={"g":"8dcfd2a2-4419-87f9-7e1c-22cf76830e7e","e":1634158700129,"c":1634155541315,"l":1634156900129}; s_tp=2924; s_ppv=nba%3Ateams%3Amain,27,27,796,1,3; ak_bmsc=2C1E9B2928FD1C90ECFF4A5887776269~000000000000000000000000000000~YAAQrL4cuDCzpVJ8AQAAytvzew1NuriisqR0MtOqexD1CqvqIJKuuhJda9NNGXOBCOjAdMEXnQjL10fYxWYj9HLm2DJdQLQIjLSqvl3faGyPbxWARg6dKwmf4NK/ RENdJTZfsKGTbwUMxTtPRSoR7TmMc3UWE4tAdft14nRiSPZwp/DJjK9NUhLtpTDjCa65HELyeJ7O4M4d98rAu5R7YYZOEVRjz5VRQEGaFBc5u2OlaUpcyFDqUM j jII/6xmqgwVRUhX8t8oNmdeiYpfEALo1yewznqZcfOO18htGp4sF3SLPG8bBFvLeGwW118Mu1rVkyeO4PEvC7UFZUc a7tGNSjGyGe0WSC/0iSjTC /ikP2BPwMosXe7DxWk/a0vuFtUlw7jArB/YQuYHH61uu8E97UTA=; AMCV_248F210755B762187F000101@AdobeOrg=359503849|MCMID|39761269548384710744541812242089157146|MCAAMLH-1634771953|7|MCAAMB-1634771953|RKhpRz8krg2tLO6pguXWp5olkAcUniQYPHaMWWgdJ3xzPWQmdj0y|MCOPTOUT-1634174353s|NONE|MCAID|NONE|vVersion|5.0.1|MCIDTS|18914; s_gpv_pageModal=nba:stats:teams:advanced; s_sq=[[B]]; akavpau_allowednbamain=1634169266~id=4fd4cabce5336e66bef275d5dd409a10; bm_sv=467DB2784E3DE76FAA9F4CD21DD7DE3C~8bPs2wRiWvWAD8K8MYos9duNZqYto/EQc8HFibswczdPYqofRTJZOTE4Xy1RsB9fJag8YMdv3OOHkVFDGoh7aG8x4Y8eZepOfBGMFtPmQF0Vgg0XNix35HHU2sk9RKCEQujy2BRS4m269Y6fIapqEQ==; OptanonConsent=isIABGlobal=false&datestamp=Wed Oct 13 2021 19:44:27 GMT-0400 (Eastern Daylight Time)&version=6.24.0&hosts=&consentId=e8a9be54-a345-44df-90e1-eaaf56d98079&interactionCount=2&landingPath=NotLandingPage&groups=BG30:1,ven:1,pad:1,pap:1,cad:1,map:1,dsa:1,NBAad:1,req:1,sec:1,gld:1,pcp:1,mcp:1,mra:1,tdc:1,cos:1,did:1,sid:1,pdd:1,pcd:1,NBAmt:1&AwaitingReconsent=false&geolocation=US;'
  )
  
  params = list(
    `sort` = 'W',
    `dir` = '-1',
    `Season` = '2020-21',
    `SeasonType` = 'Regular Season'
  )
  
res <- httr::GET(url = 'https://www.nba.com/stats/teams/advanced/', httr::add_headers(.headers=headers), query = params)

以下回傳一個res變數,但我們現在正在努力從res.

uj5u.com熱心網友回復:

正如評論中所討論的,不需要許多標頭和引數,但這有效:

library(data.table)
library(magrittr)

headers = c(
  `Connection` = 'keep-alive',
  `Accept` = 'application/json, text/plain, */*',
  `x-nba-stats-token` = 'true',
  `DNT` = '1',
  `User-Agent` = 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.81 Safari/537.36',
  `x-nba-stats-origin` = 'stats',
  `Sec-GPC` = '1',
  `Origin` = 'https://www.nba.com',
  `Sec-Fetch-Site` = 'same-site',
  `Sec-Fetch-Mode` = 'cors',
  `Sec-Fetch-Dest` = 'empty',
  `Referer` = 'https://www.nba.com/',
  `Accept-Language` = 'en-US,en;q=0.9',
  `If-Modified-Since` = 'Wed, 13 Oct 2021 23:24:06 GMT'
)

params = list(
  `Conference` = '',
  `DateFrom` = '',
  `DateTo` = '',
  `Division` = '',
  `GameScope` = '',
  `GameSegment` = '',
  `LastNGames` = '0',
  `LeagueID` = '00',
  `Location` = '',
  `MeasureType` = 'Advanced',
  `Month` = '0',
  `OpponentTeamID` = '0',
  `Outcome` = '',
  `PORound` = '0',
  `PaceAdjust` = 'N',
  `PerMode` = 'PerGame',
  `Period` = '0',
  `PlayerExperience` = '',
  `PlayerPosition` = '',
  `PlusMinus` = 'N',
  `Rank` = 'N',
  `Season` = '2020-21',
  `SeasonSegment` = '',
  `SeasonType` = 'Regular Season',
  `ShotClockRange` = '',
  `StarterBench` = '',
  `TeamID` = '0',
  `TwoWay` = '0',
  `VsConference` = '',
  `VsDivision` = ''
)

res <- httr::GET(url = 'https://stats.nba.com/stats/leaguedashteamstats', httr::add_headers(.headers=headers), query = params)
data <- httr::content(res) %>% .[['resultSets']] %>% .[[1]]
column_names <- data$headers %>% as.character()  
dt <- rbindlist(data$rowSet) %>% setnames(column_names)

給出:

head(dt, 2)
      TEAM_ID      TEAM_NAME GP  W  L W_PCT  MIN E_OFF_RATING OFF_RATING E_DEF_RATING DEF_RATING E_NET_RATING NET_RATING AST_PCT
1: 1610612737  Atlanta Hawks 72 41 31 0.569 3481          113      114.3        110.6      112.1          2.5        2.2   0.591
2: 1610612738 Boston Celtics 72 36 36   0.5 3476          111      113.1          110      111.8          0.9        1.2   0.566
   AST_TO AST_RATIO OREB_PCT DREB_PCT REB_PCT TM_TOV_PCT EFG_PCT TS_PCT E_PACE  PACE PACE_PER40 POSS   PIE GP_RANK W_RANK L_RANK
1:   1.82      17.6    0.284    0.742   0.516      0.133   0.539  0.581   99.9 98.68      82.23 7160 0.511       1     11     11
2:   1.67      17.1    0.289    0.737    0.51      0.141   0.543  0.574  100.7 98.94      82.45 7172 0.501       1     16     16
   W_PCT_RANK MIN_RANK OFF_RATING_RANK DEF_RATING_RANK NET_RATING_RANK AST_PCT_RANK AST_TO_RANK AST_RATIO_RANK OREB_PCT_RANK
1:         11       11               9              18              11           18          14             20             6
2:         16       16              10              13              13           27          22             26             3
   DREB_PCT_RANK REB_PCT_RANK TM_TOV_PCT_RANK EFG_PCT_RANK TS_PCT_RANK PACE_RANK PIE_RANK CFID       CFPARAMS
1:             9            7              10           16          10        22       10   10  Atlanta Hawks
2:            13           10              18           12          16        20       17   10 Boston Celtics

uj5u.com熱心網友回復:

一個RSelenium解決方案,

library(RSelenium)
library(dply)
library(rvest)

driver <- rsDriver(browser = "chrome")
remDr<-driver[["client"]]


remDr$navigate('https://www.nba.com/stats/teams/advanced/?sort=W&dir=-1&Season=2020-21&SeasonType=Regular Season')
# select element
table <- remDr$findElement(using = 'xpath', value = '/html/body/main/div/div/div[2]/div/div/nba-stat-table/div[2]/div[1]/table')


df1 = table$getPageSource()[[1]]%>% 
  read_html() %>%
  html_table()

[[1]]
# A tibble: 30 x 39
      `` TEAM         GP     W     L   MIN OffRtg DefRtg NetRtg `AST%` `AST/TO` ASTRatio `OREB%` `DREB%` `REB%` `TOV%` `eFG%` `TS%`  PACE   PIE POSS  `GP RANK`
   <int> <chr>     <int> <int> <int> <dbl>  <dbl>  <dbl>  <dbl>  <dbl>    <dbl>    <dbl>   <dbl>   <dbl>  <dbl>  <dbl>  <dbl> <dbl> <dbl> <dbl> <chr> <lgl>    
 1     1 Utah Jazz    72    52    20  3471   116.   108.    9     57.3     1.66     17.3    28.4    75.7   52.9   14.2   56.3  59.7  99.4  54.2 7,193 NA       
 2     2 Phoenix ~    72    51    21  3496   116.   110.    5.9   62.2     2.15     19.6    24.8    74.1   50     12.6   56.4  59.7  98    53.4 7,137 NA       
 3     3 Philadel~    72    49    23  3486   112.   107     5.5   57.2     1.64     17.2    27.7    73.7   51.1   14.3   54.1  57.9 100.   53.6 7,272 NA       
 4     4 Brooklyn~    72    48    24  3481   117.   113.    4.2   62.1     1.98     19.3    25.2    72.6   50.3   13.4   57.5  61   100.   53.2 7,280 NA       
 5     5 Denver N~    72    47    25  3496   116.   112.    4.8   62.1     1.99     19.3    29.2    75.1   52.2   13.6   55.7  58.8  97.7  52.5 7,123 NA       
 6     5 LA Clipp~    72    47    25  3456   117.   111.    6.1   58.4     1.85     18.1    27      75.4   51.8   13.5   56.4  59.9  97.6  53   7,036 NA       
 7     7 Milwauke~    72    46    26  3466   116.   111.    5.8   56.9     1.84     18      26.9    75.5   51.9   13.4   56.6  59.3 103.   53.3 7,423 NA       
 8     8 Dallas M~    72    42    30  3461   115.   112.    2.3   55.7     1.9      17.2    25.3    73.4   49.6   12.3   55    58.2  97.9  51   7,062 NA       
 9     8 Los Ange~    72    42    30  3491   110.   107.    2.9   60.7     1.62     18      26.9    74.8   51.1   15.2   53.6  56.9  98.8  51.7 7,184 NA

或使用 XML

readHTMLTable((table$getPageSource()[[1]]))   

轉載請註明出處,本文鏈接:https://www.uj5u.com/houduan/317035.html

標籤:r 网页抓取 背心 网址

上一篇:如何在python中使用beautifulsoup獲取html標簽的值?

下一篇:使用BeautifulSoup和Requests從HTML中獲取文本

標籤雲
其他(157675) Python(38076) JavaScript(25376) Java(17977) C(15215) 區塊鏈(8255) C#(7972) AI(7469) 爪哇(7425) MySQL(7132) html(6777) 基礎類(6313) sql(6102) 熊猫(6058) PHP(5869) 数组(5741) R(5409) Linux(5327) 反应(5209) 腳本語言(PerlPython)(5129) 非技術區(4971) Android(4554) 数据框(4311) css(4259) 节点.js(4032) C語言(3288) json(3245) 列表(3129) 扑(3119) C++語言(3117) 安卓(2998) 打字稿(2995) VBA(2789) Java相關(2746) 疑難問題(2699) 细绳(2522) 單片機工控(2479) iOS(2429) ASP.NET(2402) MongoDB(2323) 麻木的(2285) 正则表达式(2254) 字典(2211) 循环(2198) 迅速(2185) 擅长(2169) 镖(2155) 功能(1967) .NET技术(1958) Web開發(1951) python-3.x(1918) HtmlCss(1915) 弹簧靴(1913) C++(1909) xml(1889) PostgreSQL(1872) .NETCore(1853) 谷歌表格(1846) Unity3D(1843) for循环(1842)

熱門瀏覽
  • 【C++】Microsoft C++、C 和匯編程式檔案

    ......

    uj5u.com 2020-09-10 00:57:23 more
  • 例外宣告

    相比于斷言適用于排除邏輯上不可能存在的狀態,例外通常是用于邏輯上可能發生的錯誤。 例外宣告 Item 1:當函式不可能拋出例外或不能接受拋出例外時,使用noexcept 理由 如果不打算拋出例外的話,程式就會認為無法處理這種錯誤,并且應當盡早終止,如此可以有效地阻止例外的傳播與擴散。 示例 //不可 ......

    uj5u.com 2020-09-10 00:57:27 more
  • Codeforces 1400E Clear the Multiset(貪心 + 分治)

    鏈接:https://codeforces.com/problemset/problem/1400/E 來源:Codeforces 思路:給你一個陣列,現在你可以進行兩種操作,操作1:將一段沒有 0 的區間進行減一的操作,操作2:將 i 位置上的元素歸零。最終問:將這個陣列的全部元素歸零后操作的最少 ......

    uj5u.com 2020-09-10 00:57:30 more
  • UVA11610 【Reverse Prime】

    本人看到此題沒有翻譯,就附帶了一個自己的翻譯版本 思考 這一題,它的第一個要求是找出所有 $7$ 位反向質數及其質因數的個數。 我們應該需要質數篩篩選1~$10^{7}$的所有數,這里就不慢慢介紹了。但是,重讀題,我們突然發現反向質數都是 $7$ 位,而將它反過來后的數字卻是 $6$ 位數,這就說明 ......

    uj5u.com 2020-09-10 00:57:36 more
  • 統計區間素數數量

    1 #pragma GCC optimize(2) 2 #include <bits/stdc++.h> 3 using namespace std; 4 bool isprime[1000000010]; 5 vector<int> prime; 6 inline int getlist(int ......

    uj5u.com 2020-09-10 00:57:47 more
  • C/C++編程筆記:C++中的 const 變數詳解,教你正確認識const用法

    1、C中的const 1、區域const變數存放在堆疊區中,會分配記憶體(也就是說可以通過地址間接修改變數的值)。測驗代碼如下: 運行結果: 2、全域const變數存放在只讀資料段(不能通過地址修改,會發生寫入錯誤), 默認為外部聯編,可以給其他源檔案使用(需要用extern關鍵字修飾) 運行結果: ......

    uj5u.com 2020-09-10 00:58:04 more
  • 【C++犯錯記錄】VS2019 MFC添加資源不懂如何修改資源宏ID

    1. 首先在資源視圖中,添加資源 2. 點擊新添加的資源,復制自動生成的ID 3. 在解決方案資源管理器中找到Resource.h檔案,編輯,使用整個專案搜索和替換的方式快速替換 宏宣告 4. Ctrl+Shift+F 全域搜索,點擊查找全部,然后逐個替換 5. 為什么使用搜索替換而不使用屬性視窗直 ......

    uj5u.com 2020-09-10 00:59:11 more
  • 【C++犯錯記錄】VS2019 MFC不懂的批量添加資源

    1. 打開資源頭檔案Resource.h,在其中預先定義好宏 ID(不清楚其實ID值應該設定多少,可以先新建一個相同的資源項,再在這個資源的ID值的基礎上遞增即可) 2. 在資源視圖中選中專案資源,按F7編輯資源檔案,按 ID 型別 相對路徑的形式添加 資源。(別忘了先把檔案拷貝到專案中的res檔案 ......

    uj5u.com 2020-09-10 01:00:19 more
  • C/C++編程筆記:關于C++的參考型別,專供新手入門使用

    今天要講的是C++中我最喜歡的一個用法——參考,也叫別名。 參考就是給一個變數名取一個變數名,方便我們間接地使用這個變數。我們可以給一個變數創建N個參考,這N + 1個變數共享了同一塊記憶體區域。(參考型別的變數會占用記憶體空間,占用的記憶體空間的大小和指標型別的大小是相同的。雖然參考是一個物件的別名,但 ......

    uj5u.com 2020-09-10 01:00:22 more
  • 【C/C++編程筆記】從頭開始學習C ++:初學者完整指南

    眾所周知,C ++的學習曲線陡峭,但是花時間學習這種語言將為您的職業帶來奇跡,并使您與其他開發人員區分開。您會更輕松地學習新語言,形成真正的解決問題的技能,并在編程的基礎上打下堅實的基礎。 C ++將幫助您養成良好的編程習慣(即清晰一致的編碼風格,在撰寫代碼時注釋代碼,并限制類內部的可見性),并且由 ......

    uj5u.com 2020-09-10 01:00:41 more
最新发布
  • Rust中的智能指標:Box<T> Rc<T> Arc<T> Cell<T> RefCell<T> Weak

    Rust中的智能指標是什么 智能指標(smart pointers)是一類資料結構,是擁有資料所有權和額外功能的指標。是指標的進一步發展 指標(pointer)是一個包含記憶體地址的變數的通用概念。這個地址參考,或 ” 指向”(points at)一些其 他資料 。參考以 & 符號為標志并借用了他們所 ......

    uj5u.com 2023-04-20 07:24:10 more
  • Java的值傳遞和參考傳遞

    值傳遞不會改變本身,參考傳遞(如果傳遞的值需要實體化到堆里)如果發生修改了會改變本身。 1.基本資料型別都是值傳遞 package com.example.basic; public class Test { public static void main(String[] args) { int ......

    uj5u.com 2023-04-20 07:24:04 more
  • [2]SpinalHDL教程——Scala簡單入門

    第一個 Scala 程式 shell里面輸入 $ scala scala> 1 + 1 res0: Int = 2 scala> println("Hello World!") Hello World! 檔案形式 object HelloWorld { /* 這是我的第一個 Scala 程式 * 以 ......

    uj5u.com 2023-04-20 07:23:58 more
  • 理解函式指標和回呼函式

    理解 函式指標 指向函式的指標。比如: 理解函式指標的偽代碼 void (*p)(int type, char *data); // 定義一個函式指標p void func(int type, char *data); // 宣告一個函式func p = func; // 將指標p指向函式func ......

    uj5u.com 2023-04-20 07:23:52 more
  • Django筆記二十五之資料庫函式之日期函式

    本文首發于公眾號:Hunter后端 原文鏈接:Django筆記二十五之資料庫函式之日期函式 日期函式主要介紹兩個大類,Extract() 和 Trunc() Extract() 函式作用是提取日期,比如我們可以提取一個日期欄位的年份,月份,日等資料 Trunc() 的作用則是截取,比如 2022-0 ......

    uj5u.com 2023-04-20 07:23:45 more
  • 一天吃透JVM面試八股文

    什么是JVM? JVM,全稱Java Virtual Machine(Java虛擬機),是通過在實際的計算機上仿真模擬各種計算機功能來實作的。由一套位元組碼指令集、一組暫存器、一個堆疊、一個垃圾回收堆和一個存盤方法域等組成。JVM屏蔽了與作業系統平臺相關的資訊,使得Java程式只需要生成在Java虛擬機 ......

    uj5u.com 2023-04-20 07:23:31 more
  • 使用Java接入小程式訂閱訊息!

    更新完微信服務號的模板訊息之后,我又趕緊把微信小程式的訂閱訊息給實作了!之前我一直以為微信小程式也是要企業才能申請,沒想到小程式個人就能申請。 訊息推送平臺🔥推送下發【郵件】【短信】【微信服務號】【微信小程式】【企業微信】【釘釘】等訊息型別。 https://gitee.com/zhongfuch ......

    uj5u.com 2023-04-20 07:22:59 more
  • java -- 緩沖流、轉換流、序列化流

    緩沖流 緩沖流, 也叫高效流, 按照資料型別分類: 位元組緩沖流:BufferedInputStream,BufferedOutputStream 字符緩沖流:BufferedReader,BufferedWriter 緩沖流的基本原理,是在創建流物件時,會創建一個內置的默認大小的緩沖區陣列,通過緩沖 ......

    uj5u.com 2023-04-20 07:22:49 more
  • Java-SpringBoot-Range請求頭設定實作視頻分段傳輸

    老實說,人太懶了,現在基本都不喜歡寫筆記了,但是網上有關Range請求頭的文章都太水了 下面是抄的一段StackOverflow的代碼...自己大修改過的,寫的注釋挺全的,應該直接看得懂,就不解釋了 寫的不好...只是希望能給視頻網站開發的新手一點點幫助吧. 業務場景:視頻分段傳輸、視頻多段傳輸(理 ......

    uj5u.com 2023-04-20 07:22:42 more
  • Windows 10開發教程_編程入門自學教程_菜鳥教程-免費教程分享

    教程簡介 Windows 10開發入門教程 - 從簡單的步驟了解Windows 10開發,從基本到高級概念,包括簡介,UWP,第一個應用程式,商店,XAML控制元件,資料系結,XAML性能,自適應設計,自適應UI,自適應代碼,檔案管理,SQLite資料庫,應用程式到應用程式通信,應用程式本地化,應用程式 ......

    uj5u.com 2023-04-20 07:22:35 more