fbref-scraper-cesc 0.1.0

Una librería para scrapear datos necesarios de la pagina FBREF

📊 fbref_scraper

fbref_scraper es una librería en Python que permite extraer de forma automática estadísticas de fútbol desde la página FBref.com, incluyendo información detallada sobre jugadores, equipos, partidos y comparativas avanzadas. Facilita el trabajo posterior en la creación de informes, análisis avanzados y visualización de datos.

📌 Características principales:

• Gestión de ligas y temporadas: Selecciona fácilmente la liga y temporada de interés.
• Extracción de estadísticas de jugadores: Obtén tablas limpias y combinadas de métricas estándar, avanzadas, porteros, etc.
• Extracción de estadísticas de equipos: Descarga estadísticas de equipos por diferentes categorías (posesión, defensa, ataque, porteros...).
• Datos de partidos: Accede a tablas de tiros, estadísticas principales y datos de porteros de partidos individuales.
• Informes de reclutamiento: Extrae tablas de jugadores similares y percentiles avanzados de informes individuales.
• Automatización y primera limpieza: Funciones robustas para hacer la primera limpieza, normalizar y guardar los datos en CSV listos para análisis.

---

📁 Estructura del proyecto

fbref_scraper/
│
├── __init__.py
│   ├── league_manager.py      # Gestión de ligas y generación de URLs
│   ├── player_data.py         # Extracción y limpieza de datos de jugadores
│   └── team_data.py           # Extracción y limpieza de datos de equipos
│
├── tests/
│   └── main.py                # Archivo de ejemplo de uso 
│
├── setup.py                   # Archivo de configuración para empaquetar
├── requirements.txt           # Dependencias del proyecto
└── README.md

---

🚀 Comandos de Instalación e actualización:

· Instala desde PyPI:

pip install fbref_scraper

O directamente desde GitHub:

pip install git + https://github.com/CescBlanco/proyecto_libreria_Evolve

· Puedes crear un entorno virtual (windows):

python -m venv libreria_venv
libreria_venv/scripts/activate

· En caso que se quiera actualizar la libreria hacer:

pip install --upgrade fbref_scraper

· Instalar el paquete en modo desarrollo:

pip install -e .

---

🛠 Requisitos de instalación:

requests
beautifulsoup4
pandas
numpy
lxml

Instalar dependencias necesarias:

pip install -r requirements.txt

---

Ejecucion de las pruebas:

Para ejecutar las pruebas y verificar que todo funciona, utiliza:

python .\tests\main.py

🧠 Como se usa?

· Importar la clase:

from fbref_scraper.league_manager import LeagueManager

manager= LeagueManager()

· Crear URLs para scraping:

player_urls = manager.generate_player_urls()
teams_urls = manager.generate_team_urls()

· Importar modulos para poder utilizar todas las funciones de extracción:

from fbref_scraper.player_data import *
from fbref_scraper.team_data import * 

---

🔍 Demostraciones rápidas:

· Obtener dataframe de los jugadores de una liga con un tipo de estadística de la temporada:

#PASOS PARA PODER ELEGIR LA URL DESEADA:

# 1: Elegir liga dispoible en player_urls: ['La Liga', 'Premier League', 'Serie A', 'League 1', 'Bundesliga']
liga= 'La Liga'

# 2: Elegir la temporada disponible en player_urls: ['2024-2025', '2023-2024', '2022-2023', '2021-2022', '2020-2021']
temporada = '2024-2025'

# 3: Elegir una estadísticas disponibles: ['Standard Stats', 'Goalkeeping', 'Advanced Goalkeeping', 'Shooting', 'Passing','Pass Types','Goal and Shot Creation', 'Defensive Actions', 'Possession', 'Playing Time', 'Miscellaneous Stats']
tipo_estadistica=  'Standard Stats'

# 4: Creacion de la url para la funcion:
url_player = player_urls[liga][temporada][tipo_estadistica]
print("URL:", url_player)
print('------')

#EJEMPLO DE USO:
creacion_df_jugadores_estadistica_unica(url_player,guardar_csv=True, league=liga, season=temporada)

· Obtener dataframe de todas las estadisticas de los jugadores de campo para una liga y una temporada concreta:

#PASOS PARA PODER ELEGIR EL DATAFRAME DESEADO:

# 1: Elegir liga dispoible en player_urls: ['La Liga', 'Premier League', 'Serie A', 'League 1', 'Bundesliga']
liga = 'Ligue 1'
# 2: Elegir la temporada disponible en player_urls: ['2024-2025', '2023-2024', '2022-2023', '2021-2022', '2020-2021']
temporada= '2024-2025'

#EJEMPLO DE USO:
creacion_df_players_torneo_fbref(league=liga, season=temporada,
 stat_list=["Standard Stats", "Shooting", "Passing", "Pass Types","Goal and Shot Creation", "Defensive Actions", "Possession", "Miscellaneous Stats"], player_urls=player_urls, guardar_csv=True, guardar_csv_individuales=False)

· Obtener dataframe de todas las estadisticas de los porteros para una liga y una temporada concreta:

#PASOS PARA PODER ELEGIR EL DATAFRAME DESEADO:

# 1: Elegir liga dispoible en player_urls: ['La Liga', 'Premier League', 'Serie A', 'League 1', 'Bundesliga']
liga = 'Premier League'
# 2: Elegir la temporada disponible en player_urls: ['2024-2025', '2023-2024', '2022-2023', '2021-2022', '2020-2021']
temporada= '2024-2025'

#EJEMPLO DE USO:
creacion_df_porteros_torneo_fbref(league=liga,  season=temporada,
      stat_list=['Goalkeeping', 'Advanced Goalkeeping'], player_urls=player_urls, guardar_csv=True, guardar_csv_individuales=False)

· Obtener el dataframe de los equipos y equipos_vs de una liga con un tipo de estadística de la temporada:

#PASOS PARA PODER ELEGIR LA URL DESEADA:

# 1: Elegir liga dispoible en player_urls: ['La Liga', 'Premier League', 'Serie A', 'League 1', 'Bundesliga']
liga_equipos = 'La Liga'

# 2: Elegir la temporada disponible en player_urls: ['2024-2025', '2023-2024', '2022-2023', '2021-2022', '2020-2021']
temporada_equipos= '2024-2025'

# 3: Elegir una estadísticas disponibles:  ['Standard Stats', 'Goalkeeping', 'Advanced Goalkeeping', 'Shooting', 'Passing','Pass Types', 'Goal and Shot Creation', 'Defensive Actions', 'Possession', 'Playing Time', 'Miscellaneous Stats']
tipo_estadistica_equipos =  'Miscellaneous Stats'

# 4: Creacion de la url para la funcion:
url_stat_equipo = player_urls[liga_equipos][temporada_equipos][tipo_estadistica_equipos]
print("URL:", url_stat_equipo)
print('------')


#EJEMPLO DE USO PARA EQUIPO:
obtener_tabla_equipos_estadistica_unica(url_stat_equipo, stats_vs=False, guardar_csv= True, league='La Liga', season='2024')

#EJEMPLO DE USO PARA EQUIPO_VS:
obtener_tabla_equipos_estadistica_unica(url_stat_equipo, stats_vs=True, guardar_csv= True, league='La Liga', season='2024')

· Obtener el dataframe de la tabla principal de la liga de interés a partir de una URL:

obtener_tabla_liga_principal('https://fbref.com/en/comps/12/Estadisticas-de-La-Liga')

· Obtener el dataframe de los jugadores más similares al jugador deseable:

#El usuario escoje la url del jugador deseable y lo guarda en una variable para ser usada posteriormente.
url_jugador_yamal= 'https://fbref.com/en/players/82ec26c1/scout/365_m1/Lamine-Yamal-Scouting-Report'

#EJEMPLO DE USO: 
obtener_jugadores_similares(url_jugador_yamal)

· Obtener el dataframe de los datos por90 y sus percentiles del jugador deseable:

#Se usa la misma url del jugador desable del caso anterior.
url_jugador_yamal= 'https://fbref.com/en/players/82ec26c1/scout/365_m1/Lamine-Yamal-Scouting-Report'

#EJEMPLO DE USO: 
obtener_tabla_datos_jugador_por90_percentiles(url_jugador_yamal)

· Obtener dataframe de los datos de los tiros de un partido para ambos equipos y individualmente:

#El usuario escoje la url del partido deseable y lo guarda en una variable para ser usada posteriormente.
url_partido = 'https://fbref.com/en/partidos/20bdd334/Athletic-Club-Barcelona-Mayo-25-2025-La-Liga'
s
#EJEMPLO DE USO:
tabla_tiros_completo,tabla_tiros_local, tabla_tiros_visitante= obtener_tabla_tiros_partido(url_partido, tiros_por_equipo= True)

· Obtener el dataframe de las estadísticas básicas de los jugadores e porteros de un partido para ambos equipos y individualmente:

#Guardar la url del partido elegido:
url_partido = 'https://fbref.com/en/partidos/20bdd334/Athletic-Club-Barcelona-Mayo-25-2025-La-Liga'

#EJEMPLO DE USO:
estadisticas_local, estadisticas_visitante, keeper_local, kepper_visitante= obtener_tabla_estadisticas_principales_partido(url_partido, keepers= True)

---

Licencia

Este proyecto está licenciado bajo la Licencia MIT.

---

Autor

Desarrollado por Cesc Blanco Arnau.

👤 LinkedIn 📧 Correo 🔗 GitHub