メッシとロナウドの全ゴールデータをスクレイピングで取得する

メッシとロナウドがクラブ通算600ゴール達成したらしいので、これまでの得点データをスクレイピングしてみます。

1. はじめに
- 概要
- 利用するWebページ
2. Messiの全得点データ取得
3. Ronaldoの全得点データ取得
4. 最後に

1. はじめに

概要

2019年5月1日、チャンピオンズリーグ準決勝のリバプール戦において、メッシがクラブ通算600ゴールを達成しました。これを記念して、メッシのクラブにおける全得点データをスクレイピングにより取得してみます。

初得点から14年…通算600ゴール到達のメッシを10の数字で振り返る | サッカーキング

　バルセロナのアルゼンチン代表FWリオネル・メッシが、クラブキャリア通算600ゴールを達成した。　5月1日に行われた、チャンピオンズリーグ（CL）準決勝ファー···

ロナウドも、この数日前の4月27日に通算600ゴールを達成しています。ちなみに、メッシは683試合で、ロナウドは801試合で600ゴールらしいです。どっちもすごいけど、メッシの異常さが際立ちます。

「メッシの600ゴールが良い刺激に…」アッレグリがC・ロナウドのさらなる覚醒に期待 | Goal.com 日本

ユヴェントスのマッシミリアーノ・アッレグリ監督は、クリスティアーノ・ロナウドがバルセロナのリオネル・メッシの活躍に触発されることを期待した。1日に行われたチャンピオンズリーグ準決勝のリヴァプール戦で、メッシは芸術撃なFK弾を含む2ゴールを挙げて、バルセロナの3-0の勝利に大きく貢献。さらに、このゴールでクラブ通算得点数...(続く)

利用するWebページ

transfer marktに掲載されているこちらのデータを利用させて頂きます。

2. Messiの全得点データ取得

以前↓でやったこととだいたい同じです。

J1とLaLigaのクラブ間格差を、Pythonで分析でしてみた

NishipyJリーグは、どのチームが優勝する、専門家でも予想が難しいそうです。一方、スペインのLaLigaは、優勝チーム(Barcelona or Real Madrid)や上位に入るであろうチームが、容易く予想できることで有名...(続く)

インポート

今回使う予定のライブラリをインポートします。

import urllib.request

from bs4 import BeautifulSoup

import pandas as pd

import csv

import re

HTMLの取得

urllib.request.Request()で、headersにユーザーエージェントを設定して、HTMLを取得します。

url = "https://www.transfermarkt.com/lionel-messi/alletore/spieler/28003/saison//verein/0/liga/0/wettbewerb//pos/0/trainer_id/0/minute/0/torart/0/plus/1"

headers = {

"User-Agent": "Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:47.0) Gecko/20100101 Firefox/47.0",

}

request = urllib.request.Request(url=url, headers=headers)

response = urllib.request.urlopen(request)

encoding = response.info().get_content_charset(failobj="utf-8")

html = response.read().decode(encoding)

必要なデータを抽出

Beautiful Soupを使って、必要なデータだけを抽出します。

soup = BeautifulSoup(html, 'html.parser')

data = soup.find_all('table')[1]

CSVファイルとして出力

今回は、各ゴールについてType of goalまでのデータを取得することにしました。よって、Type of goalが出現したら、次のゴールのデータであると判断してます。
元のデータが複雑なので、ここで出力したCSVファイルは、あとで適切に修正します。

goal_types = ['Left-footed shot','Header','Right-footed shot','Penalty','Direct free kick',

'Chest', 'Penalty rebound', 'Counter attack goal', 'Long distance kick',

'Tap-in', 'Direct corner', 'Deflected shot on goal', 'Solo run']

# CSVの中身

csv_contents = []

tmp_list = []

for td in data.find_all('td', {'class':['links no-border-links', 'zentriert', 'no-border-links hauptlink', '']}):

text = td.text.strip()

text = re.sub('\xa0.*', '', text)

if re.match('^\W', text):

continue

else:

tmp_list.append(text)

if text in goal_types:

if len(tmp_list) == 3:

blanks = ['']*10

blanks.extend(tmp_list)

csv_contents.append(blanks)

elif len(tmp_list) == 16:

csv_contents.append(tmp_list[:13])

blanks = ['']*10

blanks.extend(tmp_list[13:])

csv_contents.append(blanks)

else:

csv_contents.append(tmp_list)

tmp_list = []

# CSVのヘッダー。不要な列が混入してしまったため、Unnecessaryとしておく

csv_headers = ['Unnecessary', 'Competition', 'Day', 'Date', 'HomeAway', 'Unnecessary', 'Unnecessary', 'Opponent',

'Result', 'Position','Minute', 'AtThisPoint','TypeOfGoal']

# CSVファイルの出力

with open('Messi_goals.csv', 'w', newline='') as f:

writer = csv.writer(f)

writer.writerow(csv_headers)

for row in csv_contents:

writer.writerow(row)

CSVファイルの修正

Unnecessaryを削除
Unnecessaryとしておいた、不要なカラムを削除します。

df_messi = pd.read_csv('Messi_goals.csv')

del df_messi['Unnecessary']

del df_messi['Unnecessary.1']

del df_messi['Unnecessary.2']

df_messi.head()

欠損値の穴埋め
PositionおよびTypeOfGoalに欠損値があるようでした。メッシはRWで出場し、左足でゴールを決めることが多いことを想定して、欠損値の穴埋めを行います。

df_messi = df_messi.fillna({'Position':'RW', 'TypeOfGoal':'Left-footed shot'})

print(df_messi.isnull().sum())

修正版CSVファイルの出力
修正が完了したので、再度出力します。

1 2	df_messi.to_csv('Messi_goals.csv')

こんな感じに仕上がりました。

　

3. Ronaldoの全得点データ取得

ついでなので、ロナウドのデータも取得しておきます。ロナウドのデータはこちらにありました。前章と同様にすると、こんな感じで取得できました。

4. 最後に

汚いコードで恥ずかしいですが、GitHubにもNotebookをあげておきます

GitHub - nishipy/Messi_Ronaldo_Goals

Contribute to nishipy/Messi_Ronaldo_Goals development by creating an account on GitHub.

次はデータをBigQueryに入れて、Data Portalできれいに可視化します

以上.

メッシの全600ゴールデータをスクレイピングする