こんばんは、松本山雅FCサポのすぴっちと言います。


先日、こんな記事を投稿しました。


その記事内の、下記の内容の解説になります。

> pythonで色々プログラム組んで試してみたのですが・・・丁度良い勉強となりました笑(その話は別の記事で)



1.課題


上述の記事の内容を実現するために、2点の課題がありました。


課題1. 大量の画像データ(分析対象選手の"攻撃スタッツ", "守備スタッツ")を取得する必要がある

課題2. スタッツは画像データ内のみ


もちろんどちらも”手動”でも実現可能。

しかし、、、

・合計524枚の画像データを手動で保存（ページ移動→右クリックして保存を繰り返す

・画像データを目視で確認し、エクセルに入力

、、、することは非常に面倒。


こういう面倒なことは”python”にやっていただこう。



2.課題1の解決：WEBページから画像データのURLを自動取得する


大まかな流れ：

使用させていただくのは、対象選手における各試合の個人スタッツが表示されるページ。


以下の図のような流れで、各スタッツ画像のURLを取得＆画像をPCに保存する

＊WEBスクレイピング用のライブラリを使用(beautifulsoup)

＊[注意]SPORTERIA様のサーバーに負荷がかからないように、短時間で連続で保存しないこと！！！


作成したコード：

https://github.com/spitchi-k/yamaga_python_test/blob/main/web_test.py


実行結果：

対象ページにおける全画像が、PCに保存される



3.課題2の解決："文字認識"で画像データから数値を抽出


大まかな流れ：

スタッツの画像データを使います。


1. 数値の部分をトリミング(= 切り抜き)

2. 文字認識の精度向上のため、色々と画像処理

　→ グレースケール化 & 2値化したら、比較的上手くいった

3. OCR用のライブラリ(pyocr)を使用して、文字認識


作成したコード：

https://github.com/spitchi-k/yamaga_python_test/blob/main/ocr_test.py


実行結果：

対象画像の数値が、出力される

→ これを繰り返せば、数百枚の画像データから数値だけを抜き出せる



・・・という流れで、課題1,2を解決しました。

あとは集めた数値を色々計算すれば、完成。


4.終わりに


今回は "攻撃スタッツ"と"守備スタッツ"のデータを抽出して分析に使用させていただきました。

”ヒートマップ”の平均値も取れたら面白そうだなぁと思っており、アイディアを暖めております。