1. 页面分析
我爬取的页面是腾讯体育，链接如下：
https://nba.stats.qq.com/player/list.htm
观察上图：左边展示的分别是NBA的30支球队，右边就是每只球队对应球员的详细信息。
此时思路就很清晰了，我们每点击一支球员，右侧就会出现该球队的球员信息。
整个爬虫思路简化如下：
① 获取每支球员页面的url；
② 利用Python代码获取每个网页中的数据；
③ 将获取到的数据，整理后存储至不同的数据库；
那么，现在要做的就是找到每支球员页面的url，去发现它们的关联。
我们每点击一支球队，复制它的url，下面我复制了三支球队的页面url，如下所示：
# 76人 https://nba.stats.qq.com/player/list.htm#teamId=20 # 火箭 https://nba.stats.qq.com/player/list.htm#teamId=10 # 热火 https://nba.stats.qq.com/player/list.htm#teamId=14
观察上述url，可以发现：url基本一模一样，除了参数teamId对应的数字不一样，完全可以猜测出，这就是每支球队对应的编号，30支球队30个编号。
只要是涉及到“腾讯”二字，基本都是动态网页，我之前碰到过好多次。基础方法根本获取不到数据，不信可以查看网页源码试试：点击鼠标右键——>点击查看网页源代码。
接着，将网页中的某个数据（你要获取的）复制，然后再源代码页面中，点击crtl + f，调出“搜索框”，将复制的数据粘贴进去。如果和上图一样，出现0条记录，则基本可以判断该网页属于动态网页，直接获取源码，一定找不到你要的数据。
因此如果你想要获取页面中的数据，使用selenuim自动化爬虫，是其中一种办法。
2. 数据爬取
关于selenium的的使用配置，我在一篇文章中详细讲述过，贴上这个链接供大家参考：
《https://mp.weixin.qq.com/s/PUPmpbiCJqRW8Swr1Mo2UQ》
我喜欢用xpath，对于本文数据的获取，我都将使用它。关于xpath的使用，那就是另一篇文章了，这里就不详细讲述。
说了这么多，咋们直接上代码吧！【代码中会有注释】
from selenium import webdriver # 创建浏览器对象，该操作会自动帮我们打开Google浏览器窗口 browser = webdriver.Chrome() # 调用浏览器对象，向服务器发送请求。该操作会打开Google浏览器，并跳转到“百度”首页 browser.get("https://nba.stats.qq.com/player/list.htm#teamId=20") # 最大化窗口 browser.maximize_window() # 获取球员中文名 chinese_names = browser.find_elements_by_xpath('//div[@class="players"]//tr[@class="show"]/td[2]/a') chinese_names_list = [i.text for i in chinese_names] # 获取球员英文名 english_names = browser.find_elements_by_xpath('//div[@class="players"]//tr[@class="show"]/td[3]/a') english_names_list = [i.get_attribute('title') for i in english_names] # 获取属性 # 获取球员号码 numbers = browser.find_elements_by_xpath('//div[@class="players"]//tr[@class="show"]/td[4]') numbers_list = [i.text for i in numbers_list] # 获取球员位置 locations = browser.find_elements_by_xpath('//div[@class="players"]//tr[@class="show"]/td[5]') locations_list = [i.text for i in locations_list] # 获取球员身高 heights = browser.find_elements_by_xpath('//div[@class="players"]//tr[@class="show"]/td[6]') heights_list = [i.text for i in heights_list] # 获取球员体重 weights = browser.find_elements_by_xpath('//div[@class="players"]//tr[@class="show"]/td[7]') weights_list = [i.text for i in weights_list] # 获取球员年龄 ages = browser.find_elements_by_xpath('//div[@class="players"]//tr[@class="show"]/td[8]') ages_list = [i.text for i in ages_list] # 获取球员球龄 qiu_lings = browser.find_elements_by_xpath('//div[@class="players"]//tr[@class="show"]/td[9]') qiu_lings_list = [i.text for i in qiu_lings_list]
这里只爬取了一支球队，剩下29支球队球员数据的爬取任务交给你们。整个代码部分，基本上大同小异，我写了一个，你们照葫芦画瓢。【就一个循环，还不简单呀！】
3. 存储至txt
将数据保存到txt文本的操作非常简单，txt几乎兼容所有平台，唯一的缺点就是不方便检索。要是对检索和数据结构要求不高，追求方便第一的话，请采用txt文本存储。
注意：txt中写入的是str字符串。
txt文档写入数据的规则是这样的：从头开始，从左至右一直填充。当填充至最右边后，会被挤到下一行。因此，如果你想存入的数据规整一点，可以自动填入制表符“\t”和换行符“\n”。
以本文为例，将获取到的数据，存储到txt文本中。
for i in zip(chinese_names_list,english_names_list,numbers_list,locations_list,heights_list,weights_list,ages_list,qiu_lings_list): with open("NBA.txt","a+",encoding="utf-8") as f: # zip函数，得到的是一个元组，我们需要将它转换为一个字符串 f.write(str(i)[1:-1]) # 自动换行，好写入第2行数据 f.write("\n") f.write("\n")
部分截图如下：
4. 存储至excel
excel有两种格式的文件，一种是csv格式，一种是xlsx格式。将数据保存至excel，当然是使用pandas库更方便。
import pandas as pd # 一定要学会组织数据 df = pd.DataFrame({"中文名": chinese_names_list, "英文名": english_names_list, "球员号码": numbers_list, "位置": locations_list, "身高": heights_list, "体重": weights_list, "年龄": ages_list, "球龄": qiu_lings_list}) # to_excel()函数 df.to_excel("NBA.xlsx",encoding="utf-8",index=None)
结果如下：
5. 存储至mysql
MySQL是一个关系型数据库，数据是采用类excel的二维表来保存数据的，即行、列组成的表，每一行代表一条记录，每一列代表一个字段。
关于Python操作MySQL数据库，我曾经写了一篇博客，大家可以参考以下：
http://blog.csdn.net/weixin_41261833/article/details/103832017
为了让大家更明白这个过程，我这里分布为大家讲解：
① 创建一个表nba
我们想要往数据库中插入数据，首先需要建立一张表，这里命名为nba。
import pymysql # 1. 连接数据库 db = pymysql.connect(host='localhost',user='root', password='123456',port=3306, db='demo', charset='utf8') # 2. 创建一个表 # 创建一个游标对象； cursor = db.cursor() # 建表语句； sql = """ create table NBA( chinese_names_list varchar(20), english_names_list varchar(20), numbers_list varchar(20), locations_list varchar(20), heights_list varchar(20), weights_list varchar(20), ages_list varchar(20), qiu_lings_list varchar(20) )charset=utf8 """ # 执行sql语句； cursor.execute(sql) # 断开数据库的连接； db.close()
、
② 往表nba中插入数据
import pymysql # 1. 组织数据 data_list = [] for i in zip(chinese_names_list,english_names_list,numbers_list,locations_list,heights_list,weights_list,ages_list,qiu_lings_list): data_list.append(i) # 2. 连接数据库 db = pymysql.connect(host='localhost',user='root', password='123456',port=3306, db='demo', charset='utf8') # 创建一个游标对象； cursor = db.cursor() # 3. 插入数据 sql = 'insert into nba(chinese_names_list,english_names_list,numbers_list,locations_list,heights_list,weights_list,ages_list,qiu_lings_list) values(%s,%s,%s,%s,%s,%s,%s,%s)' try: cursor.executemany(sql,data_list) db.commit() print("插入成功") except: print("插入失败") db.rollback() db.close()
结果如下：
