Yahoo競馬から有馬記念の競走成績を、PHP+XPathでスクレイピングしてみた

競馬は、情報量多すぎ！どう考えてもデータベースに入れておいた方が楽だ。
スクレイピングはpathonが多いので、phpで書いてみた。
しかしHTMLソースが汚い…。大昔に作ったまんまだからしょうがないのか？
というかAPIくれ～。
とりあえず、有馬記念の払い戻し金と競走成績だけ取得してみた。
レース・馬・騎手・調教師あたりのテーブルを作って、MySQLに入れるか～。

<?php

// Yahoo競馬からデータ取得
$ch = curl_init();
curl_setopt_array($ch, [
    // 2018年の有馬記念
    CURLOPT_URL => "https://keiba.yahoo.co.jp/race/result/1806050811/", 
    CURLOPT_RETURNTRANSFER => true,
    CURLOPT_FOLLOWLOCATION => true,
    CURLOPT_AUTOREFERER => true,
    CURLOPT_USERAGENT => 'Mozilla/5.0',
    CURLOPT_ENCODING => 'gzip',
    CURLOPT_SSL_VERIFYPEER => false,
]);    
$html = curl_exec($ch);


// エラーを出さずにDOMDocumentに読み込む
$dom = new DOMDocument;
@$dom->loadHTML(mb_convert_encoding($html, 'HTML-ENTITIES', 'UTF-8'));

// DOMDocumentからXPath式を実行するためのDOMXPathを生成
$xpath = new DOMXPath($dom);

// 払い戻し金のテーブルを取得
foreach ($xpath->query('//table[contains(@class, "resultYen")]') as $resultYen) { 
    //そのレースの着順で並んでいるので、１位～最大１６位までの馬情報を取得。
    foreach ($xpath->query('.//tr', $resultYen) as $td) {
        
        // rowspan対策。払い戻し種別が空欄なら、前の種別を使う
        if(!empty($xpath->evaluate('string(.//th)', $td))){
            $kind = $xpath->evaluate('string(.//th)', $td);
        }
        echo "種別:".$kind ."<br>\n"; 
        echo "当たり:".$xpath->evaluate('string(.//td[1])', $td)  ."<br>\n";
        echo "配当:".$xpath->evaluate('string(.//td[2])', $td)  ."<br>\n";
        echo "人気:".$xpath->evaluate('string(.//td[3])', $td)  ."<br>\n";
        echo "<br>\n";
    }
}

// レース結果のテーブルを取得
foreach ($xpath->query('//table[contains(@id, "raceScore")]/tbody') as $tr) { 

    //そのレースの着順で並んでいるので、１位～最大１６位までの馬情報を取得。
    foreach ($xpath->query('.//tr', $tr) as $td) {
        echo "着順:".$xpath->evaluate('string(.//td[1])', $td)  ."<br>\n"; //着順
        echo "枠番:".$xpath->evaluate('string(.//td[2])', $td)  ."<br>\n"; //枠番
        echo "馬番:".$xpath->evaluate('string(.//td[3])', $td)  ."<br>\n"; //馬番

        //馬名/性齢⁄馬体重⁄B
        $data = preg_split("/[\/\n]+/", $xpath->evaluate('string(.//td[4])', $td));
        echo "名前:". $data[1] ."<br>\n"; 
        //馬情報へのリンク
        echo "馬URL:" . $xpath->evaluate('string(.//td[4]/a/@href)', $td)  ."<br>\n"; 
        preg_match('/(牡|牝)/', $data[3], $match);
        echo "性別:".  $match[1]  ."<br>\n";
        preg_match('/([0-9]+)/', $data[3], $match);
        echo "年齢:". $match[1]  ."<br>\n";
        preg_match('/^(.+)\(/', $data[4], $match);
        echo "体重:". $match[1]  ."<br>\n";
        preg_match('/\((.+)\)/', $data[4], $match);
        echo "増減:". $match[1]  ."<br>\n";
        // タイム
        $data = preg_split("/ /", $xpath->evaluate('string(.//td[5])', $td));
        echo "タイム:". $data[0]."<br>\n";
        echo "着差:". $data[1]."<br>\n"; 
        echo "通過順位:". $xpath->evaluate("string(.//td[6]/text())", $td) ."<br>\n"; 
        echo "上3Fタイム:". $xpath->evaluate("string(.//td[6]/*[contains(@class,'scdItem')])", $td) ."<br>\n"; 
        // 騎手
        $data = preg_split("/[\n]+/", $xpath->evaluate('string(.//td[7])', $td));
        echo "騎手の名前:". $data[1] ."<br>\n"; 
        echo "騎手URL:". $xpath->evaluate('string(.//td[7]/a/@href)', $td)  ."<br>\n"; // ジョッキー情報
        echo "騎手の体重:". $data[2] ."<br>\n"; 
        // 人気＆単勝オッズ
        preg_match('/[0-9]+/', $xpath->evaluate('string(.//td[8])', $td), $match);
        echo "人気:". $match[0]  ."<br>\n";
        preg_match('/\((.+)\)/', $xpath->evaluate('string(.//td[8])', $td), $match);
        echo "単勝オッズ:". $match[1]  ."<br>\n";

        echo "調教師:".$xpath->evaluate('string(.//td[9])', $td)  ."<br>\n";
        echo "調教師URL:". $xpath->evaluate('string(.//td[9]/a/@href)', $td)  ."<br>\n";
        echo "<br>\n";
    }
}

<?php

// Yahoo競馬からデータ取得

$ch = curl_init();

curl_setopt_array($ch, [

// 2018年の有馬記念

CURLOPT_URL => "https://keiba.yahoo.co.jp/race/result/1806050811/",

CURLOPT_RETURNTRANSFER => true,

CURLOPT_FOLLOWLOCATION => true,

CURLOPT_AUTOREFERER => true,

CURLOPT_USERAGENT => 'Mozilla/5.0',

CURLOPT_ENCODING => 'gzip',

CURLOPT_SSL_VERIFYPEER => false,

]);

$html = curl_exec($ch);

// エラーを出さずにDOMDocumentに読み込む

$dom = new DOMDocument;

@$dom->loadHTML(mb_convert_encoding($html, 'HTML-ENTITIES', 'UTF-8'));

// DOMDocumentからXPath式を実行するためのDOMXPathを生成

$xpath = new DOMXPath($dom);

// 払い戻し金のテーブルを取得

foreach ($xpath->query('//table[contains(@class, "resultYen")]') as $resultYen) {

//そのレースの着順で並んでいるので、１位～最大１６位までの馬情報を取得。

foreach ($xpath->query('.//tr', $resultYen) as $td) {

// rowspan対策。払い戻し種別が空欄なら、前の種別を使う

if(!empty($xpath->evaluate('string(.//th)', $td))){

$kind = $xpath->evaluate('string(.//th)', $td);

}

echo "種別:".$kind ." \n";

echo "当たり:".$xpath->evaluate('string(.//td[1])', $td) ." \n";

echo "配当:".$xpath->evaluate('string(.//td[2])', $td) ." \n";

echo "人気:".$xpath->evaluate('string(.//td[3])', $td) ." \n";

echo " \n";

}

// レース結果のテーブルを取得

foreach ($xpath->query('//table[contains(@id, "raceScore")]/tbody') as $tr) {

//そのレースの着順で並んでいるので、１位～最大１６位までの馬情報を取得。

foreach ($xpath->query('.//tr', $tr) as $td) {

echo "着順:".$xpath->evaluate('string(.//td[1])', $td) ." \n"; //着順

echo "枠番:".$xpath->evaluate('string(.//td[2])', $td) ." \n"; //枠番

echo "馬番:".$xpath->evaluate('string(.//td[3])', $td) ." \n"; //馬番

//馬名/性齢⁄馬体重⁄B

$data = preg_split("/[\/\n]+/", $xpath->evaluate('string(.//td[4])', $td));

echo "名前:". $data[1] ." \n";

//馬情報へのリンク

echo "馬URL:" . $xpath->evaluate('string(.//td[4]/a/@href)', $td) ." \n";

preg_match('/(牡|牝)/', $data[3], $match);

echo "性別:". $match[1] ." \n";

preg_match('/([0-9]+)/', $data[3], $match);

echo "年齢:". $match[1] ." \n";

preg_match('/^(.+)\(/', $data[4], $match);

echo "体重:". $match[1] ." \n";

preg_match('/$(.+)$/', $data[4], $match);

echo "増減:". $match[1] ." \n";

// タイム

$data = preg_split("/ /", $xpath->evaluate('string(.//td[5])', $td));

echo "タイム:". $data[0]." \n";

echo "着差:". $data[1]." \n";

echo "通過順位:". $xpath->evaluate("string(.//td[6]/text())", $td) ." \n";

echo "上3Fタイム:". $xpath->evaluate("string(.//td[6]/*[contains(@class,'scdItem')])", $td) ." \n";

// 騎手

$data = preg_split("/[\n]+/", $xpath->evaluate('string(.//td[7])', $td));

echo "騎手の名前:". $data[1] ." \n";

echo "騎手URL:". $xpath->evaluate('string(.//td[7]/a/@href)', $td) ." \n"; // ジョッキー情報

echo "騎手の体重:". $data[2] ." \n";

// 人気＆単勝オッズ

preg_match('/[0-9]+/', $xpath->evaluate('string(.//td[8])', $td), $match);

echo "人気:". $match[0] ." \n";

preg_match('/$(.+)$/', $xpath->evaluate('string(.//td[8])', $td), $match);

echo "単勝オッズ:". $match[1] ." \n";

echo "調教師:".$xpath->evaluate('string(.//td[9])', $td) ." \n";

echo "調教師URL:". $xpath->evaluate('string(.//td[9]/a/@href)', $td) ." \n";

echo " \n";

}