關于足球賽，每個人都想在足球聯賽中尋找優勢，所以我們寫了一個網頁抓取NFL數據的命令。這個命令就是nfl2stata，安裝這個命令，可以輸入，
使用這個新命令，您可以輕松的發現上個賽季誰的觸地得分最高。
您可以從上賽季度聯賽中找到前五名得分最高的球員。
您可以從上一個常規賽中產生一個頂級傳球隊長的圖表。
里面有很多有趣的數據值得關注。雖然這看起來像是一個簡單的命令，但實際上不是這樣，因為需要通過web scraping來抓取、解析和加載來自http://www.nfl.com的數據。
網絡抓取
您可能聽說過“web scraping”這個詞。Web scraping的簡單定義就是從網絡上提取數據。大多數時候，一個網站的版權禁止人們發布從網站上獲取的數據，但是您可以在個人電腦使用數據副本。這也是NFL網站關于版權保護的描述。因此，用戶必須自己抓取網絡數據。獲取NFL數據，可以輸入，
此命令將2009年到當前年度的所有數據都進行了提取，并以Stata數據集的形式保存到本地電腦的Stata adopath中。具體來說，它將保存到PLUS目錄中，這樣nfl2stata命令可以找到它。保存在http://www.nfl.com第一年的NFL數據是2009。目前，在這之前沒有數據可以供參考。網絡抓取是一個既昂貴有費時的過程。取決于這幾個因素（計算機速度、計算機存儲空間、網絡連接等），這種初始數據抓取需要數小時才能完成。您可能希望在一夜之間運行上述命令。如果刪除了歷史數據，您可以輸入，
用當前周的數據來更新本地保存的數據集。
在寫這篇文章時，抓取命令是可以正常使用的，但是如果NFL更改了HTML頁面格式的話，這個命令就會崩潰。如果出現了這種情況，我們會修復它。此外，當NFL更新其網站上以前的數據時，被抓取的數據會隨著時間的推移而改變。因此，幾周前您所抓取的數據將跟ESPN或NFL網站上所看到的數據不符合。此外，有時數據可以存在于多個地方，并且可以不一致，因為一個站點得到更新的統計數據，另一個則不會。您可以使用nfl2stata scrape, season(_all) replace重新抓取數據，并創建新的干凈的數據集。這些問題使得網絡抓取是一個不穩定的過程。
命令
nfl2stata scrape命令可以為每一年生成game, game summary, play-by-play, player, player
profile, roster和 team Stata數據集。為了把這些數據加載到Stata中，您必須使用以下命令：
? 加載gams-by-game數據到Stata中，使用
? 加載gams summary數據到Stata中，使用
加載play-by-play數據到Stata中，使用
加載player-specific數據到Stata中，使用
? 加載player profile數據到Stata中，使用
? 加載team roster數據到Stata中，使用
? 加載team game-by-game數據到Stata中，使用
這些命令各自搜索各自的數據集。通常，您需要使用Stata命令，例如collapse, gsort 和merge來生成統計數據，對數據進行排序，并將兩個或多個NFL數據集合并在一起檢查數據。我們再來看幾個例子。
示例
我發現使用最頻繁的兩個命令，一個是gsort，按升序或降序排序數據；另一個是collapse，生成匯總統計數據集。當處理多場比賽或多個季度賽數據時，collapse命令更有用。比如，要找出誰在去年的NFL中是領銜外接員，您可以輸入，
有時，您需要合并兩個或多個NFL數據集來回答有關數據的一些問題。例如，為了找到過去九年NFL跑衛的平均權數，您必須合并roster數據和profile數據，在同一數據集中得到player position和player weight變量。例如，輸入
想要找出誰是最佳外接員或搶攻人員，您需要把所有進攻球員數據合并成一個數據集。例如，列出領銜外接人員的類型，
實施
我們使用Stata的Java plugins來編寫大多數的命令。其他我們編寫命令的Java庫有：
? Gson
? Jsoup
? Minify
有很多用來web scraping 數據的Java庫，我們只使用了其中一些。
