您的位置:首页 > 脚本大全 > > 正文

python测试websocket接口(Python如何爬取实时变化的WebSocket数据的方法)

更多 时间:2021-11-08 16:32:03 类别:脚本大全 浏览量:610

python测试websocket接口

Python如何爬取实时变化的WebSocket数据的方法

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测试websocket接口(Python如何爬取实时变化的WebSocket数据的方法)

python测试websocket接口(Python如何爬取实时变化的WebSocket数据的方法)

python测试websocket接口(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测试websocket接口(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测试websocket接口(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测试websocket接口(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测试websocket接口(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测试websocket接口(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测试websocket接口(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测试websocket接口(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测试websocket接口(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开心学习网。

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

    您可能感兴趣