Tiedonkeruumenetelmät : case: Beatbookies.com

Abstract

Tässä opinnäytetyössä tutustutaan erilaisiin tiedonkeruumenetelmiin, joiden avulla kerätään urheiluvedonlyöntikertoimia nettisivustoon Beatbookies.com. Sivusto koostuu ilmaisesta kerroinvertailuosiosta, sekä maksullisesta urheiluarbitraasiosiosta.

Suurin osa tiedoista kerätään XML-syötteistä ja työssä tutustutaan yleisellä tasolla XML:n käyttöön, XML-tiedostojen rakenteeseen, sekä PHP-kielen XML-parsintaominaisuuksiin.

Osa tiedoista kerätään suoraan nettisivuilta ja työssä tutkitaan menetelmiä tiedon keruuseen suoraan nettisivuilta PHP:n avulla. Koska PHP ei tue JavaScriptiä, työssä tutkitaan Rubyn web-automaatio-menetelmiä. Web-automaation avulla voidaan tietoja kerätä myös runsaasti JavaScriptiä käyttävistä sivuista, joissa sivun varsinainen sisältö luodaan käyttäjän Internet-selaimessa eikä palvelimella kuten esimerksi PHP-sivuilla.

Työn ensimmäisessä osiossa tutustutaan urheiluarbitraasiin yleisesti, sillä se on sivuston tärkein tulonlähde. Tämän jälkeen tutustutaan XML-kieleen ja sen parsintaan ja tämän jälkeen käydään läpi eri menetelmät, kuinka tietoa voidaan kerätä suoraan nettisivuilta.

Työn viimeisessä osiossa käydään läpi tiedonkeruumenetelmien rakentaminen XML-, HTML- ja AJAX-sivustoille.

This Bachelor’s thesis deals with different data collection methods used for collecting data on sports betting odds to web page BeatBookies.com. This web page consists of a free odds comparison service and a chargeable sports arbitrage sec-tion. Most of the information for the web page is collected through XML feeds and therefore the use of XML, the structure of XML and the XML parsing features of the PHP language were examined on a basic level.

Some of the information is collected directly from web pages and therefore differ-ent methods of collecting data directly from web pages using PHP were studied. Because PHP does not support JavaScript, Ruby’s web automation methods were investigated. With the help of web automation data can be collected from web pages which are using JavaScript heavily. In these pages information is created on the web browser and not in the server, like for example in the case of PHP pages. In first section of this thesis, basics of sports arbitrage are explored because it is the main source of income for this web page. After that, the XML language and XML parsing are explored and then different methods how to collect data directly from web pages are dealt with.

The final section of the thesis reviews the building of data collection methods to XML, HTML and AJAX web pages.