服务器之家

服务器之家 > 正文

Python如何爬取实时变化的WebSocket数据的方法

时间:2021-06-05 00:42     来源/作者:AsyncIns

一、前言

作为一名爬虫工程师,在工作中常常会遇到爬取实时数据的需求,比如体育赛事实时数据、股市实时数据或币圈实时变化的数据。如下图:

Python如何爬取实时变化的WebSocket数据的方法

Python如何爬取实时变化的WebSocket数据的方法

Python如何爬取实时变化的WebSocket数据的方法

web 领域中,用于实现数据'实时'更新的手段有轮询和 websocket 这两种。轮询指的是客户端按照一定时间间隔(如 1 秒)访问服务端接口,从而达到 '实时' 的效果,虽然看起来数据像是实时更新的,但实际上它有一定的时间间隔,并不是真正的实时更新。轮询通常采用 拉 模式,由客户端主动从服务端拉取数据。

websocket 采用的是 推 模式,由服务端主动将数据推送给客户端,这种方式是真正的实时更新。

二、什么是 websocket

websocket是一种在单个tcp连接上进行全双工通信的协议。它使得客户端和服务器之间的数据交换变得更加简单,允许服务端主动向客户端推送数据。在websocket api中,浏览器和服务器只需要完成一次握手,两者之间就直接可以创建持久性的连接,并进行双向数据传输。

websocket 优点

  • 较少的控制开销:只需要进行一次握手,携带一次请求头信息即可,后续只传输数据即可,相比 http 每次请求都携带请求头,websocket 非常省资源。
  • 更强的实时性:由于服务器可以主动推送消息,这使得延迟变得可以忽略不计,相比 http 轮询的时间间隔,websocket 可以在相同的时间内进行多次传输。
  • 二进制支持:websocket 支持二进制帧,这意味着传输更节省。
  • ……

爬虫面对 http 和 websocket

python 中的网络请求库非常多,requests 是最常用的请求库之一,它可以模拟发送网络请求。但是这些请求都是基于 http 协议的。在面对 websocket 的时候 requests 就发挥不料作用了,必须使用能够连接 websocket 的库。

三、爬取思路

这里以莱特币官网 http://www.laiteb.com/ 实时数据为例。websocket 的握手只发生一次,所以如果需要通过浏览器开发者工具观察网络请求,则需要在打开页面的情况下,打开浏览器开发者工具,定位到 newwork 选项卡,并输入或刷新当前页面,才能观察到 websocket 的握手请求和数据传输情况。这里以 chrome 浏览器为例:

Python如何爬取实时变化的WebSocket数据的方法

在开发者工具中提供了筛选功能,其中 ws 选项代表只显示 websocket 连接的网络请求。

这时候可以看到请求记录列表中有一条名为 realtime 的记录,鼠标左键点击它后,开发者工具会分为左右两栏,右侧列出本条请求记录的详细信息:

Python如何爬取实时变化的WebSocket数据的方法

与 http 请求不同的是,websocket 连接地址以 ws 或 wss 开头。连接成功的状态码不是 200,而是 101。

headers 标签页记录的是 request 和 response 信息,而 frames 标签页中记录的则是双方互传的数据,也是我们需要爬取的数据内容:

Python如何爬取实时变化的WebSocket数据的方法

frames 图中绿色箭头向上的数据是客户端发送给服务端的数据,橙色箭头向下的数据是服务端推送给客户端的数据。

从数据顺序中可以看到,客户端先发送:

?
1
{"action":"subscribe","args":["quotebin5m:14"]}

然后服务端才会推送信息(一直推送):

 

复制代码 代码如下:
{"group":"quotebin5m:14","data":[{"low":"55.42","high":"55.63","open":"55.42","close":"55.59","last_price":"55.59","avg_price":"55.5111587372932781077","volume":"40078","timestamp":1551941701,"rise_fall_rate":"0.0030674846625766871","rise_fall_value":"0.17","base_coin_volume":"400.78","quote_coin_volume":"22247.7621987324"}]}

 

所以,从发起握手到获得数据的整个流程为:

Python如何爬取实时变化的WebSocket数据的方法

那么,现在问题来了:

  • 握手怎么弄?
  • 连接保持怎么弄?
  • 消息发送和接收怎么弄?
  • 有什么库可以轻松实现吗?

四、aiowebsocket

python 库中用于连接 websocket 的有很多,但是易用、稳定的有 websocket-client(非异步)、websockets(异步)、aiowebsocket(异步)。

可以根据项目需求选择三者之一,今天介绍的是异步 websocket 连接客户端 aiowebsocket。其 github 地址为: https://github.com/asyncins/aiowebsocket

readme中介绍到: aiowebsocket是一个遵循 websocket 规范的 异步 websocket 客户端,相对于其他库它更轻、更快。

它的安装和其他库一样简单,使用 pip install aiowebsocket 即可。安装好后,我们可以根据 readme 中提供的示例代码来测试:

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
import asyncio
import logging
from datetime import datetime
from aiowebsocket.converses import aiowebsocket
 
 
async def startup(uri):
 async with aiowebsocket(uri) as aws:
  converse = aws.manipulator
  message = b'aiowebsocket - async websocket client'
  while true:
   await converse.send(message)
   print('{time}-client send: {message}'
     .format(time=datetime.now().strftime('%y-%m-%d %h:%m:%s'), message=message))
   mes = await converse.receive()
   print('{time}-client receive: {rec}'
     .format(time=datetime.now().strftime('%y-%m-%d %h:%m:%s'), rec=mes))
 
 
if __name__ == '__main__':
 remote = 'ws://echo.websocket.org'
 try:
  asyncio.get_event_loop().run_until_complete(startup(remote))
 except keyboardinterrupt as exc:
  logging.info('quit.')

运行后的结果输出为:

2019-03-07 15:43:55-client send: b'aiowebsocket - async websocket client'
2019-03-07 15:43:55-client receive: b'aiowebsocket - async websocket client'
2019-03-07 15:43:55-client send: b'aiowebsocket - async websocket client'
2019-03-07 15:43:56-client receive: b'aiowebsocket - async websocket client'
2019-03-07 15:43:56-client send: b'aiowebsocket - async websocket client'
……

send 表示客户端向服务端发送的消息

recive 表示服务端向客户端推送的消息

五、编码获取数据

回到这一次的爬取需求,目标网站是莱特币官网:

Python如何爬取实时变化的WebSocket数据的方法

从刚才的网络请求记录中,我们得知目标网站的 websocket 地址为: wss://api.bbxapp.vip/v1/ifcontract/realtime ,从地址中可以看出目标网站使用的是 wss,也就是 ws 的安全版,它们的关系跟 http/https 一样。aiowebsocket 会自动处理并识别 ssl,所以我们并不需要作额外的操作,只需要将目标地址赋值给连接 uri 即可:

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
import asyncio
import logging
from datetime import datetime
from aiowebsocket.converses import aiowebsocket
 
 
async def startup(uri):
 async with aiowebsocket(uri) as aws:
  converse = aws.manipulator
  while true:
   mes = await converse.receive()
   print('{time}-client receive: {rec}'
     .format(time=datetime.now().strftime('%y-%m-%d %h:%m:%s'), rec=mes))
 
 
if __name__ == '__main__':
 remote = 'wss://api.bbxapp.vip/v1/ifcontract/realtime'
 try:
  asyncio.get_event_loop().run_until_complete(startup(remote))
 except keyboardinterrupt as exc:
  logging.info('quit.')

运行代码后观察输出,你会发现什么都没有发生。既没有内容输出,也没有断开连接,程序一直在运行,但是什么都没有:

Python如何爬取实时变化的WebSocket数据的方法

这是为什么呢?

是对方不接受我方的请求吗?

还是有什么反爬虫限制呢?

实际上,刚才的流程图可以解释这个问题:

Python如何爬取实时变化的WebSocket数据的方法

整个流程中有一步是需要客户端给服务端发送指定的消息,服务端验证后才会不停推送数据。所以,应该在消息读取前、握手连接后加上消息发送的代码:

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
import asyncio
import logging
from datetime import datetime
from aiowebsocket.converses import aiowebsocket
 
 
async def startup(uri):
 async with aiowebsocket(uri) as aws:
  converse = aws.manipulator
  # 客户端给服务端发送消息
  await converse.send('{"action":"subscribe","args":["quotebin5m:14"]}')
  while true:
   mes = await converse.receive()
   print('{time}-client receive: {rec}'
     .format(time=datetime.now().strftime('%y-%m-%d %h:%m:%s'), rec=mes))
 
 
if __name__ == '__main__':
 remote = 'wss://api.bbxapp.vip/v1/ifcontract/realtime'
 try:
  asyncio.get_event_loop().run_until_complete(startup(remote))
 except keyboardinterrupt as exc:
  logging.info('quit.')

保存后运行,就会看到数据源源不断的推送过来:

Python如何爬取实时变化的WebSocket数据的方法

到这里,爬虫就能够获取到想要的数据了。

aiowebsocket 做了什么

代码不长,使用的时候只需要将目标网站 websocket 地址填入,然后按照流程发送数据即可,那么 aiowebsocket 在这个过程中做了什么呢?

  • 首先,aiowebsocket 根据 websocket 地址,向指定的服务端发送握手请求,并校验握手结果。
  • 然后,在确认握手成功后,将数据发送给服务端。
  • 整个过程中为了保持连接不断开,aiowebsocket 会自动与服务端响应 ping pong。
  • 最后,aiowebsocket 读取服务端推送的消息

【奎因:】如果你认为 aiowebsocket 帮助了你,那么请你到 github https://github.com/asyncins/aiowebsocket 上给一个 star。如果在使用当中发现问题或者希望给 aiowebsocket 提建议,那么也可以到 github 上提出。只要你提出建议,就一定能够帮助 aiowebsocket 变的更好,而 aiowebsocket 也能够继续为你服务。

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持服务器之家。

原文链接:https://juejin.im/post/5c80b768f265da2dae514d4f

标签:

相关文章

热门资讯

2020微信伤感网名听哭了 让对方看到心疼的伤感网名大全
2020微信伤感网名听哭了 让对方看到心疼的伤感网名大全 2019-12-26
yue是什么意思 网络流行语yue了是什么梗
yue是什么意思 网络流行语yue了是什么梗 2020-10-11
背刺什么意思 网络词语背刺是什么梗
背刺什么意思 网络词语背刺是什么梗 2020-05-22
苹果12mini价格表官网报价 iPhone12mini全版本价格汇总
苹果12mini价格表官网报价 iPhone12mini全版本价格汇总 2020-11-13
2021德云社封箱演出完整版 2021年德云社封箱演出在线看
2021德云社封箱演出完整版 2021年德云社封箱演出在线看 2021-03-15
返回顶部