作者 |韋世東

一、前言

作為一名爬蟲工程師，在工作中常常會遇到爬取實時數據的需求，比如體育賽事實時數據、股市實時數據或幣圈實時變化的數據。如下圖：

Web 領域中，用於實現數據"實時"更新的手段有輪詢和 WebSocket 這兩種。輪詢指的是客戶端按照一定時間間隔（如 1 秒）訪問服務端介面，從而達到 "實時" 的效果，雖然看起來數據像是實時更新的，但實際上它有一定的時間間隔，並不是真正的實時更新。輪詢通常採用 拉 模式，由客戶端主動從服務端拉取數據。

WebSocket 採用的是 推 模式，由服務端主動將數據推送給客戶端，這種方式是真正的實時更新。

二、什麼是 WebSocket

WebSocket是一種在單個TCP連接上進行全雙工通信的協議。它使得客戶端和伺服器之間的數據交換變得更加簡單，允許服務端主動向客戶端推送數據。在WebSocket API中，瀏覽器和伺服器只需要完成一次握手，兩者之間就直接可以創建持久性的連接，並進行雙向數據傳輸。

WebSocket 優點

較少的控制開銷：只需要進行一次握手，攜帶一次請求頭信息即可，後續只傳輸數據即可，相比 HTTP 每次請求都攜帶請求頭，WebSocket 非常省資源。

更強的實時性：由於伺服器可以主動推送消息，這使得延遲變得可以忽略不計，相比 HTTP 輪詢的時間間隔，WebSocket 可以在相同的時間內進行多次傳輸。

二進位支持：WebSocket 支持二進位幀，這意味著傳輸更節省。

……

爬蟲面對 HTTP 和 WebSocket

Python 中的網路請求庫非常多，Requests 是最常用的請求庫之一，它可以模擬發送網路請求。但是這些請求都是基於 HTTP 協議的。在面對 WebSocket 的時候 Requests 就發揮不料作用了，必須使用能夠連接 WebSocket 的庫。

三、爬取思路

在開發者工具中提供了篩選功能，其中 WS 選項代表只顯示 WebSocket 連接的網路請求。

這時候可以看到請求記錄列表中有一條名為 realTime 的記錄，滑鼠左鍵點擊它後，開發者工具會分為左右兩欄，右側列出本條請求記錄的詳細信息：

與 HTTP 請求不同的是，WebSocket 連接地址以 ws 或 wss 開頭。連接成功的狀態碼不是 200，而是 101。

Headers 標籤頁記錄的是 Request 和 Response 信息，而 Frames 標籤頁中記錄的則是雙方互傳的數據，也是我們需要爬取的數據內容：

Frames 圖中綠色箭頭向上的數據是客戶端發送給服務端的數據，橙色箭頭向下的數據是服務端推送給客戶端的數據。

從數據順序中可以看到，客戶端先發送：

然後服務端才會推送信息(一直推送)：

所以，從發起握手到獲得數據的整個流程為：

那麼，現在問題來了：

握手怎麼弄？

連接保持怎麼弄？

消息發送和接收怎麼弄？

有什麼庫可以輕鬆實現嗎？

四、aiowebsocket

Python 庫中用於連接 WebSocket 的有很多，但是易用、穩定的有 websocket-client(非非同步)、websockets(非同步)、aiowebsocket（非同步）。

可以根據項目需求選擇三者之一，今天介紹的是非同步 WebSocket 連接客戶端 aiowebsocket。

Github 地址為：https://github.com/asyncins/aiowebsocket

ReadMe中介紹到：

AioWebSocket是一個遵循 WebSocket 規範的 非同步 WebSocket 客戶端，相對於其他庫它更輕、更快。

它的安裝和其他庫一樣簡單，使用 pip install aiowebsocket 即可。安裝好後，我們可以根據 ReadMe 中提供的示例代碼來測試：

運行後的結果輸出為：

send 表示客戶端向服務端發送的消息

recive 表示服務端向客戶端推送的消息

五、編碼獲取數據

回到這一次的爬取需求，目標網站是萊特幣官網：

從剛才的網路請求記錄中，我們得知目標網站的 WebSocket 地址為：wss://api.bbxapp.vip/v1/ifcontract/realTime,從地址中可以看出目標網站使用的是 wss，也就是 ws 的安全版，它們的關係跟 HTTP/HTTPS 一樣。aiowebsocket 會自動處理並識別 ssl，所以我們並不需要作額外的操作，只需要將目標地址賦值給連接 uri 即可：

運行代碼後觀察輸出，你會發現什麼都沒有發生。既沒有內容輸出，也沒有斷開連接，程序一直在運行，但是什麼都沒有：

這是為什麼呢？

是對方不接受我方的請求嗎？

還是有什麼反爬蟲限制呢？

實際上，剛才的流程圖可以解釋這個問題：

整個流程中有一步是需要客戶端給服務端發送指定的消息，服務端驗證後才會不停推送數據。所以，應該在消息讀取前、握手連接後加上消息發送的代碼：

保存後運行，就會看到數據源源不斷的推送過來：

到這裡，爬蟲就能夠獲取到想要的數據了。

aiowebsocket 做了什麼

代碼不長，使用的時候只需要將目標網站 WebSocket 地址填入，然後按照流程發送數據即可，那麼 aiowebsocket 在這個過程中做了什麼呢？

首先，aiowebsocket 根據 WebSocket 地址，向指定的服務端發送握手請求，並校驗握手結果。

然後，在確認握手成功後，將數據發送給服務端。

整個過程中為了保持連接不斷開，aiowebsocket 會自動與服務端響應 ping pong。

最後，aiowebsocket 讀取服務端推送的消息

（本文為 AI科技大本營轉載文章，轉載請聯繫作者）

4 月13日-4 月14日，CSDN 將在北京主辦「Python 開發者日（ 2019 ）」，匯聚十餘位來自阿里巴巴、IBM、英偉達等國內外一線科技公司的Python技術專家，還有數百位來自各行業領域的Python開發者。目前購票通道已開啟，早鳥票限量發售中，3 月15日之前可享受優惠價299元（售完即止）。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！