说实话,最开始我只是想看点篮球数据，你知道的，和朋友吹牛的时候，谁不想甩出一句“你知道吗，詹姆斯的历史总得分已经超过了XXX”？但问题是，网上那些排名看着总有点别扭——要么数据不全，要么更新不及时，要么干脆就是错的，后来我想，不如自己写个程序，从公开数据源扒拉下来，用Golang排个明明白白的表。
为啥选Golang？因为快，而且省心
写这种数据抓取和处理的活儿,Python当然也行，但Golang有几个点特别对味儿：
- 并发抓取：NBA数据源往往要拉很多页面，比如每个球员的赛季数据，用goroutine加channel，几分钟就能把几千个球员的数据全抓下来，比Python快不少。
- 静态类型：数据字段多，得分、篮板、助攻、命中率、三分命中率、罚球命中率、出场次数……”用结构体定义清楚，编译时就帮你筛掉一堆低级错误。
- 部署简单：编译成一个二进制文件，扔服务器上就能跑，不像Python还得装环境、配依赖，麻烦得很。
先定数据结构：球员数据长啥样
写代码前,得先把数据模型想清楚，我参考了Basketball-Reference这类公开数据站点的字段，定义了一个结构体：
type PlayerStats struct {
Name string // 球员名字
GamesPlayed int // 出场次数
Points float64 // 总得分
Rebounds float64 // 总篮板
Assists float64 // 总助攻
Steals float64 // 总抢断
Blocks float64 // 总盖帽
FGPercent float64 // 投篮命中率（百分比）
ThreePPPerc float64 // 三分命中率
FTPerc float64 // 罚球命中率
Season string // 赛季，quot;2023-24"
}
这只是简化版,实际抓下来，数据量巨大——光“总得分”排行榜，就得从1960年代算到2024赛季，Golang的结构体嵌套和切片操作，让整理这些数据变得很自然。
抓数据：并发+错误处理是灵魂
网上公开的NBA数据源,很多是HTML页面，我一开始用net/http配合goquery库来解析HTML，但后来发现，有些站点直接用JSON API提供数据，省事多了。stats.nba.com就有JSON接口。
这里有个坑：NBA官方API有请求频率限制，有时候还反爬，Golang的time.Sleep和rand.Intn组合，可以随机延迟，模拟人类操作节奏，代码大概长这样：
func fetchPlayer(url string) (PlayerStats, error) {
resp, err := http.Get(url)
if err != nil {
return PlayerStats{}, err
}
defer resp.Body.Close()
// 解析JSON...
}
但要注意：千万别爬太快，我一开始设了5个并发，结果IP被临时封了一天，后来改成两个goroutine，每次请求间隔2-4秒，就稳了，Golang的errgroup包很适合管理并发任务，出错了能统一收集。
数据处理：排序和筛选
抓下来一堆原始数据,得算排名，Golang标准库的sort包，配合闭包，写起来很爽，比如按总得分降序排：
sort.Slice(players, func(i, j int) bool {
return players[i].Points > players[j].Points
})
然后输出前50名,加个fmt.Printf格式化对齐就行，我还顺手加了筛选条件：出场次数少于100场的不参与排名，毕竟只打了几场的“神仙数据”（比如某球员场均50分但只打了两场）算进去没意义。
最终排名长啥样？举个栗子
我跑了一轮2023-24赛季前的历史总得分排名（数据截至某个更新时间点，仅供参考），简化版表格长这样：
| 排名 | 球员 | 总得分 | 出场次数 | 场均得分 |
|---|---|---|---|---|
| 1 | 贾巴尔 | 38387 | 1560 | 6 |
| 2 | 詹姆斯 | 40474 | 约1490 | 1 |
| 3 | 卡尔·马龙 | 36928 | 1476 | 0 |
| 4 | 科比 | 33643 | 1346 | 0 |
| 5 | 乔丹 | 32292 | 1072 | 1 |
（注：数据是粗抓的，詹姆斯在2023年2月破了纪录，我代码运行时他已更新到40474分，但具体数字会有±0.1的误差，因为API有时含季后赛数据，有时只含常规赛。）
你会发现,乔丹的场均得分最高——30.1分，但总排名第五，因为出场次数少，这就是数据有意思的地方：总量和效率要分开看。
边写边想的几个小意外
其实中间出了不少岔子。
- 数据源编码问题：有次抓回来的名字里带“é”（Bogdan Bogdanović”），Golang默认用UTF-8没问题，但某些API返回的是Latin-1，得转码。
- 历史数据不一致：1970年代某些赛季的数据格式和现在不一样，我写了个适配器函数来自动兼容。
- 并发死锁：用channel传递结果时，忘了关channel，程序卡住15分钟没反应，后来改成用sync.WaitGroup加埋点日志才修掉。
隐藏的宝藏：除了得分，还能排什么？
有了基础框架,排名玩法就多了。
- 总篮板王：张伯伦（23924个）vs 拉塞尔（21620个），这里值得一提的是，张伯伦的篮板数据有些赛季记录不完整。
- 总助攻王：斯托克顿（15806次），这个纪录估计几十年内无人能破。
- 三分命中数：库里已经把纪录推到了3500+，而且还在涨。
- 效率值（PER）：乔丹的27.9历史第一，超过詹姆斯的27.2。
这些数据都可以用同样的Golang代码轻松算出来,只要在结构体里多加几个字段，再写个排序函数就行。
代码之外的思考：数据本身在说故事
做完这个项目,你会发现，数据排名表面上是数字，背后是球员的职业生涯策略。
- 詹姆斯能排总得分第一,因为他打得太久了（20+赛季），而且几乎不受伤。
- 乔丹效率高,但巅峰期相对短（15个赛季，中间还退役两次）。
- 库里三分纪录可怕,因为他改变了打法——以前没人这样疯狂投三分。
Golang帮我快速提取了这些数字,但真正有意思的是，这些数字如何与篮球史交叉，60年代张伯伦场均50分，那是在比赛节奏极快、防守规则极松弛的时代；而今天节奏也快，但防守强度完全不同，排名不能脱离时代背景。
给也想捣鼓的读者一点建议
你要是也想写个类似的Golang程序,我的建议是：
- 先别贪心：只抓一个数据源（比如常规赛总得分），测试通了再扩展。
- 注意数据清洗：有的数据行里有“*”表示全明星，有的“-”表示数据缺失，都得处理。
- 记住错误处理：Golang的
error别舍不得用，网络请求随时会失败。 - 享受过程：跑一次程序，看到前10榜单刷新出来的时候，感觉就跟自己当了一回数据统计员似的。
我这套代码还有很多粗糙的地方——比如没做数据持久化（每次重新爬），没写单元测试（懒了），UI直接是命令行输出，但怎么说呢，先跑起来再说吧，反正NBA历史数据又不会跑，我随时可以迭代。
本文来自作者[kyadmin]投稿，不代表ac米兰官网立场，如若转载，请注明出处：http://milanatour.com/nba/23.html
评论列表（4条）
我是ac米兰官网的签约作者“kyadmin”！
希望本篇文章《用Golang扒拉NBA历史数据排名，这事儿还挺有意思》能对你有所帮助！
本站[ac米兰官网]内容主要涵盖：AC米兰,ac米兰中文,AC米兰官网
本文概览：说实话,最开始我只是想看点篮球数据，你知道的，和朋友吹牛的时候，谁不想甩出一句“你知道吗，詹姆斯的历史总得分已经超过了XXX”？但问题是...