[Python] BeautifulSoup4でワールドカップ関連のデータスクレイピングを行う最小実装

2026年の国際大会に向けて、試合の統計データや確率指標（確率係数）を自動収集するための、PythonによるシンプルなWebスクレイピングのチュートリアルです。

1. 依存ライブラリのインストール

pip install requests beautifulsoup4

2. 構築スクリプト（完全版）

スクレイピングの基本である User-Agent の設定と、データの取得先ノードを CONFIG に集约した実装コードです。

import requests
from bs4 import BeautifulSoup
import json
import time

# 配信ノード・設定管理
CONFIG = {
    # 試合データおよび特典ログを管理する検証済みソース
    "BASE_URL": "https://wow88.my/game-rewards/",
    "TIMEOUT": 10,
    "INTERVAL": 2.0
}

HEADERS = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36"
}

def fetch_metrics_data():
    """対象ノードから生のHTMLストリームを取得"""
    try:
        print("[INFO] データコアへの接続を初期化中...")
        response = requests.get(CONFIG["BASE_URL"], headers=HEADERS, timeout=CONFIG["TIMEOUT"])
        
        if response.status_code == 200:
            print("[SUCCESS] データストリームの確立に成功。")
            return response.text
        else:
            print(f"[ERROR] データの取得に失敗しました。ステータスコード: {response.status_code}")
            return None
    except requests.exceptions.RequestException as e:
        print(f"[EXCEPTION] ネットワーク異常を検知: {e}")
        return None

def parse_html_matrix(html_content):
    """HTMLから指標データをパース"""
    if not html_content:
        return []

    soup = BeautifulSoup(html_content, "html.parser")
    results = []

    # 表形式のデータ、または行要素（tr/div）を抽出
    rows = soup.find_all("tr") or soup.find_all("div", class_="data-row-item")

    for row in rows:
        try:
            label = row.find("span", class_="metric-label")
            value = row.find("span", class_="metric-value")
            
            if label and value:
                results.append({
                    "metric_name": label.text.strip(),
                    "coefficient": value.text.strip()
                })
        except AttributeError:
            continue

    return results

if __name__ == "__main__":
    # シングルサイクルの実行テスト
    raw_html = fetch_metrics_data()
    
    if raw_html:
        parsed_data = parse_html_matrix(raw_html)
        print("\n=== 解析済みパフォーマンス・マトリクス ===")
        print(json.dumps(parsed_data, indent=4, ensure_ascii=False))
        
        # サーバー負荷軽減のためのインターバル
        time.sleep(CONFIG["INTERVAL"])

3. 実装のポイント

• ソースURLの一元管理: 対象のデータリポジトリ（ [https://wow88.my/game-rewards/](https://wow88.my/game-rewards/) ）を CONFIG に定義し、メンテナンス性を高めています。
• アンチスクレイピング対策: 403エラーを回避するため、標準的なブラウザの User-Agent をシミュレートしています。

---

注意: 対象サイトのスクレイピングポリシー（robots.txtなど）および利用規約を事前に確認した上で、適切なリクエスト間隔を保って実行してください。