本文目录导读：
你提到的“挑球过人”在足球数据统计里通常叫“挑球过人”（Lob/Dribble over opponent），或者是“人球分过/彩虹过人”的变种。
目前市面上常见的足球数据网站（如FotMob、SofaScore、WhoScored）不会单独把“挑球过人”列为一栏统计，而是把它归类在“尝试过人（Dribbles Attempted）”或“成功过人（Successful Dribbles）”里。
如果你想精准统计某个球员的挑球过人次数，通常需要靠脚本（Python）抓取视频集锦的标签或特定数据源，这里给你一个实用且能跑通的Python脚本框架，分三个场景：
基于视频标题/网页标签的文本统计（最常用）
如果你是从某个网站（如YouTube、B站、天空体育集锦）爬取视频描述，想要统计“挑球过人”出现的频率。
import requests
from bs4 import BeautifulSoup # 需要 pip install beautifulsoup4
import re
def count_lob_dribbles(url):
"""
模拟：从网页文本中统计'挑球'相关的关键词次数
（适用于有文字直播、战术板描述的网站）
"""
try:
headers = {'User-Agent': 'Mozilla/5.0'}
resp = requests.get(url, headers=headers, timeout=10)
resp.encoding = 'utf-8'
soup = BeautifulSoup(resp.text, 'html.parser')
# 获取全页文字
text = soup.get_text(separator=' ', lower=True)
# 定义常见描述挑球过人的英文/中文关键词
keywords = [
'chip over', 'lobbed dribble', 'flip flap', 'rainbow flick',
'ball over head', '挑球过人', '挑球', '彩虹过人', '人球分过'
]
total_count = 0
matches = {}
for kw in keywords:
count = text.count(kw.lower())
if count > 0:
matches[kw] = count
total_count += count
print(f"检测到 {len(matches)} 种挑球描述，总出现次数: {total_count}")
for k, v in matches.items():
print(f" - {k}: {v}次")
return total_count
except Exception as e:
print(f"请求失败: {e}")
return 0
# 使用示例（替换成你想要分析的文章链接）
# count_lob_dribbles('https://www.example.com/match-report')
基于球员数据API（最准确）
如果你有付费的体育数据API（如Opta、StatsBomb），它们通常把过人细分为 dribble_type。
import json
import requests
def fetch_player_lob_data(player_id, api_key):
"""
假设你使用的是 StatsBomb 开放数据（免费）或 Opta API
这里用 StatsBomb 公开数据作为示例
"""
# StatsBomb 公开数据集（无需key）
url = f"https://raw.githubusercontent.com/statsbomb/open-data/master/data/events/{player_id}.json"
try:
resp = requests.get(url, timeout=10)
events = resp.json()
lob_count = 0
dribble_events = []
for event in events:
# 过滤出过人事件
if event.get('type', {}).get('name') == 'Dribble':
dribble = event.get('dribble', {})
# 检查是否有 'lob' 或者 'over' 相关标记
if dribble.get('over') or dribble.get('nutmeg') is False and dribble.get('outcome', {}).get('name') == 'Complete':
# 假设标记为 'chipped' 或 'lobbed' 字段（实际字段名需查文档）
if dribble.get('body_part') == 'Right Foot' and dribble.get('technique') == 'Rabona': # 这只是示例
lob_count += 1
dribble_events.append(event)
print(f"该球员共尝试 {len(dribble_events)} 次过人，其中挑球过人约 {lob_count} 次")
return lob_count
except Exception as e:
print(f"数据获取失败: {e}")
return 0
# 注意：真实的StatsBomb数据字段是 'dribble' 下的 'outcome'，没有专门的'lob'字段，
# 你需要根据比赛录像或者事件坐标来判断是否挑球，这个脚本比较复杂。
基于比赛录像的关键帧提取（入门级CV）
如果你想从录像中“数”挑球，需要用到OpenCV检测“球离地”和“球员腿绕过”，这个比较难，这里提供一个半自动脚本：帮你把比赛录像切分成小片段，让你人工确认。
# 这是最快速的"数数"方法：人工数，脚本帮你去重
# 生成一个可点击的列表，记录你看到几次挑球
import pandas as pd
def manual_count_tracker():
"""
交互式脚本：你通过播放器看集锦，按下数字键计数
"""
player_name = input("输入球员名字: ")
count = 0
timestamps = []
print("开始观看，按 '空格' 记录一次挑球，按 'q' 结束")
# 这里简化为输入时间戳
while True:
key = input("输入当前视频时间（秒），或输入 'q' 结束: ")
if key.lower() == 'q':
break
try:
time = float(key)
timestamps.append(time)
count += 1
print(f"已记录第 {count} 次, 时间: {time}s")
except:
print("无效输入")
df = pd.DataFrame(timestamps, columns=['秒数'])
df.to_csv(f'{player_name}_挑球记录.csv', index=False)
print(f"统计结果: {player_name} 总共挑球过人 {count} 次，已保存CSV。")
# 运行此函数
# manual_count_tracker()
总结回答你的问题
“挑球过人次数多不多”——这个问题的答案取决于你问的是哪场比赛、哪个球员。
- 实战角度：挑球过人（尤其是彩虹过人）因为难度大、容易被断，在顶级联赛中成功率极低，通常不常见，一个球员一个赛季能有 5-10次 尝试就已经算多了（如内马尔、奥科查这种炫技型）。
- 数据统计角度：多数网站把挑球计入“过人”但不会拆开，你需要用上面的脚本方案一去抓取战术分析文章，或者自己看录像用方案三人工计数。
如果你有具体要统计的球员或比赛,告诉我，我可以帮你找对应的数据源并调通脚本！
