Python web-socket解释（读取）数据答案

【问题标题】：Python web-socket interpreting(reading) DataPython web-socket解释（读取）数据
【发布时间】：2019-10-10 19:41:49
【问题描述】：

尝试试验并了解有关用于网络抓取的套接字的更多信息。

我正在尝试通过 WebSockets 从网站流式传输信息。我能够接收数据，但想知道从它读取和解释传入数据的正确方法是什么。

我正在使用 Python 3.7。我能够使用来自https://towardsdatascience.com/scraping-in-another-dimension-7c6890a156da 的示例建立连接我正在尝试通过套接字在https://finance.yahoo.com/quote/BTC-USD/chart 上显示一些股票价格数据。这是我正在使用的代码：

import websocket
import json
from websocket import create_connection


headers = json.dumps({
    'Accept-Encoding':'gzip deflat,br',
    'Accept-Language':'en-US,en;q=0.9,zh-TW;q=0.8,zh;q=0.7,zh-CN;q=0.6',
    'Cache-Control': 'no-cache',
    'Connection': 'Upgrade',

    'Host': 'streamer.finance.yahoo.com',
    'Origin': 'https://finance.yahoo.com',
    'Pragma': 'no-cache',
    'Sec-WebSocket-Extensions': 'permessage-deflate; client_max_window_bits',
    'Sec-WebSocket-Key': 'VW2m4Lw2Rz2nXaWO10kxhw==',
    'Sec-WebSocket-Version': '13',
    'Upgrade': 'websocket',
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/77.0.3865.90 Safari/537.36'
    })

ws = create_connection('wss://streamer.finance.yahoo.com/',headers=headers)

ws.send('{"subscribe":["^GSPC","^DJI","^IXIC","^RUT","CL=F","GC=F","SI=F","EURUSD=X","^TNX","^VIX","GBPUSD=X","JPY=X","BTC-USD","^FTSE","^N225"]}')


while True:
    result  = ws.recv()
    print(result)

ws.close()

这让我得到这样的结果：

CgReREpJFebCzkYYwJHv8LZbKgNESkkwCTgBRWYd6D5I7tDaigFlAOHuQtgBBA==
CgVKUFk9WBUX2ddCGMCR7/C2WyoDQ0NZMA44AUUVH9w+ZQCM7D7YAQg=
CghFVVJVU0Q9WBVA2Yw/GMCR7/C2WyoDQ0NZMA44AUXuDJI+ZQAgTTvYAQg=
CghHQlBVU0Q9WBUQO58/GMCR7/C2WyoDQ0NZMA44AUXz/fY/ZcDrwDzYAQg=
CgReVklYFYXrkUEYgKOB8LZbKgNXQ0IwCTgBRcRWCcBlwMzMvtgBBA==
CghHQlBVU0Q9WBUVOp8/GJCh7/C2WyoDQ0NZMA44AUWcrfY/ZQCtwDzYAQg=
CgVKUFk9WBUv3ddCGJCh7/C2WyoDQ0NZMA44AUVQ7t8+ZQCk8D7YAQg=
CghFVVJVU0Q9WBU424w/GJCh7/C2WyoDQ0NZMA44AUWi2pQ+ZQAQUTvYAQg=

不知道如何解释我收到的数据，或者网络浏览器如何解释这些数据。似乎浏览器正在接收与我相同的数据。

【问题讨论】：

嗯，这显然是 Base64 编码的数据（大多数行末尾的单等号和双等号是一个死的赠品）。 Python 有一个解码它的模块，但是你必须解释生成的二进制数据——我快速浏览了一下，但它没有任何明显的格式。希望如果雅虎允许您直接检索这些数据，那么他们还会在某处记录其格式......

标签： python sockets websocket

【解决方案1】：

我猜这是 Protobuf 编码的数据。通过查看 yahoo Finance 页面的 Javascript 源代码，您可以看到，一旦订阅了代码，回复就会由解码例程处理。

https://finance.yahoo.com/__finStreamer-worker.js

... 在接下来的 sn-p 中，有一个从 base64 文本到字节然后到 Javascript 对象（PricingData 类型）的明确转换。注意提到 protobuf。

QuoteStreamer.prototype.handleWebSocketUpdate = function (event) {
    try {
        var PricingData = protobuf.roots.default.quotefeeder.PricingData;
        var buffer = base64ToArray(event.data); // decode from base 64
        var data = PricingData.decode(buffer); // Decode using protobuff
        data = PricingData.toObject(data, { // Convert to a JS object
            enums: String
        });

接下来您需要弄清楚 Yahoo 使用的 Protobuf 架构（然后您可以使用 Python 生成解码器），但我不确定它是否公开。但是，您可以检查他们生成的用于执行解码的实际 Protobuf Javascript 代码，并尝试直接在 Python 中复制它，或者猜测 protobuf 架构。

Javascript 解码器在这里：https://finance.yahoo.com/__finStreamer-proto.js

【讨论】：

【解决方案2】：

这确实是一个 protobuf 编码的数据。马克西姆could compose a protobuf file from it.

我创建了一个 python package 来完成它。你需要做的就是

安装它

    pip install yliveticker

导入并获取解码结果

    import yliveticker


    # this function is called on each ticker update
    def on_new_msg(msg):
        print(msg)


    # insert your symbols here
    yliveticker.YLiveTicker(on_ticker=on_new_msg, ticker_names=[
    "BTC=X", "^GSPC", "^DJI", "^IXIC", "^RUT", "CL=F", "GC=F", "SI=F", "EURUSD=X", "^TNX", "^VIX", "GBPUSD=X", "JPY=X", "BTC-USD", "^CMC200", "^FTSE", "^N225"])

随意贡献或使用存储库作为您项目的示例；）

如果您没有看到任何数据，请检查您是否使用trading hours of your stock exchange。

【讨论】：