实用脚本统计挑球过人次数多不多？

本文目录导读：

1. 场景一：基于视频标题/网页标签的文本统计（最常用）
2. 场景二：基于球员数据API（最准确）
3. 场景三：基于比赛录像的关键帧提取（入门级CV）
4. 总结回答你的问题

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！