爬虫实践--CBA历年比赛数据

闲来无聊，刚好有个朋友来问爬虫的事情，说起来了CBA这两年的比赛数据，做个分析，再来个大数据啥的。来了兴趣，果然搞起来，下面分享一下爬虫的思路。 ## 1、选取数据源 这里我并不懂CBA，数据源选的是国内某门户网站的CBA专栏，下面会放链接地址，有兴趣的可以去看看。 ## 2、分析数据 经过查看页面元素，发现页面是后台渲染，没办法通过接口直接获取数据。下面就要分析页面元素，看到所有的数据都是存在表格里面的，这下就简单了很多。 ## 3、确定思路 思路比较简单，通过正则把所有行数据都提取出来，过滤掉无用的修饰信息，得到的就是想要的数据。此处我把每行的列符合替换成了“,”方便用csv记录数据。 经过过滤之后的数据如下： ``` 球队,第一节,第二节,第三节,第四节,总比分 广州,33,37,36,27,133 北控,23,18,17,34,92 2019-01-1619:35:00轮次：31场序309开始比赛　　比赛已结束 首发,球员,出场时间,两分球,三分球,罚球,进攻,篮板,助攻,失误,抢断,犯规,盖帽,得分 ,张永鹏,25.8,7-9,0-0,1-1,4,8,3,0,0,1,0,15 ,鞠明欣,19.1,2-4,1-2,0-0,2,5,2,2,0,1,0,7 ,西热力江,25.5,1-1,4-8,0-0,1,2,4,1,3,1,0,14 ,郭凯,15.5,2-2,0-0,0-0,2,3,0,2,0,2,0,4 ,凯尔·弗格,38.1,5-9,5-9,11-11,0,10,12,2,2,4,0,36 ,姚天一,12.3,0-1,1-4,0-0,0,1,5,0,0,0,0,3 ,科里·杰弗森,24.0,4-4,2-4,3-4,0,6,0,1,0,1,1,17 ,陈盈骏,22.6,1-1,2-7,1-1,0,2,4,2,1,2,0,9 ,司坤,19.0,2-2,0-2,0-0,0,5,1,0,1,4,0,4 ,孙鸣阳,20.6,2-3,0-0,3-3,1,4,1,2,3,4,0,7 ,谷玥灼,7.4,1-1,1-2,0-0,0,0,2,0,0,0,0,5 ,郑准,10.1,3-4,2-3,0-0,0,2,0,0,0,1,0,12 ,总计,240.0,30-41(73.2%),18-41(43.9%),19-20(95.0%),10,48,34,12,10,21,1,133 首发,球员,出场时间,两分球,三分球,罚球,进攻,篮板,助攻,失误,抢断,犯规,盖帽,得分 ,于梁,20.8,1-3,0-1,0-0,0,0,2,0,1,5,0,2 ,于澍龙,17.9,0-1,1-3,0-0,0,2,1,2,0,1,0,3 ,许梦君,46.2,1-3,5-12,0-0,1,6,2,1,0,3,0,17 ,托马斯·罗宾逊,43.4,9-20,0-2,9-14,3,11,5,2,1,3,1,27 ,杨敬敏,16.0,3-4,0-3,0-0,0,0,0,2,0,1,0,6 ,孙贺男,2.8,0-0,0-0,0-0,0,0,0,1,0,1,0,0 ,刘大鹏,28.0,1-1,3-5,0-0,1,4,3,2,2,3,0,11 ,张铭浩,8.5,0-0,0-0,1-2,0,0,0,0,1,1,0,1 ,张帆,27.5,5-7,1-3,0-0,0,1,6,4,1,2,0,13 ,王征,23.3,3-3,0-0,6-8,0,2,0,0,1,1,1,12 ,常亚松,5.6,0-0,0-1,0-0,0,1,0,1,2,0,0,0 ,总计,240.0,23-42(54.8%),10-30(33.3%),16-24(66.7%),5,27,19,15,9,21,2,92 ``` 下面分享自己代码： ``` package com.fun import com.fun.frame.Save import com.fun.frame.httpclient.FanLibrary import com.fun.utils.Regex import com.fun.utils.WriteRead class sd extends FanLibrary { public static void main(String[] args) { int i = 1 def total = [] range(300, 381).forEach {x -> total.addAll test(x) } Save.saveStringList(total, "total4.csv") testOver() } static def test(int i) { if (new File(LONG_Path + "${i}.csv").exists()) return WriteRead.readTxtFileByLine(LONG_Path + "${i}.csv") String url = "http://cbadata.sports.sohu.com/game/content/2017/${i}" def get = getHttpGet(url) def response = getHttpResponse(get) def string = response.getString("content").replaceAll("\\s", EMPTY) // output(string) def all = Regex.regexAll(string, "