jupyter-data-fetch

从JupyterLab、Jupyter Notebook、VSCode网页版/code-server中抓取数据的示例

优点

1. 与ksrpc比，通用性更强，理论上全平台通用
2. 不需中转服务器，网页能打开就能使用

安装

1. uv pip install jupyter-data-fetch -U # Jupyter消息协议版
2. uv pip install jupyter-data-fetch[playwright] -U # playwright网页自动化版

Jupyter消息协议版(推荐)

1. 根据Jupyter消息协议，模拟浏览器直接连接服务器进行代码的执行和获取，效率高
2. 支持JupyterLab、Jupyter Notebook
3. 参考examples/message

playwright网页自动化版

1. 网页自动化控制，通用性更高，支持JupyterLab、Jupyter Notebook
2. 支持VSCode网页版/code-server
3. 暂时不支持的网站也可以定制开发
4. 效率较低，因为多了网页渲染
5. 参考examples/automation

HTTP下载版

1. 数据获取阶段，不通过网页展示提取数据，而是得到下载地址后HTTP下载
2. 直接是二进制，不用base64/base85编码，文件更小，下载速度更快。更适合大数据文件。但每个网站都需要针对性调整
3. 部分平台由于权限问题，服务器上文件可能需要手工删除
4. 部分平台HTTP下载可能有流量限制
5. 参考examples/download

使用方法

1. examples下提供了示例
2. 以joinquant为例，打开浏览器，登录研究环境，按F12打开开发者工具
3. 搜索kernels，复制Cookie
4. 替换示例中COOKIE即可
5. 会自动从COOKIE提取用户ID，并更新SERVER_URL

最简示例

from jupyter_kernel_client import KernelClient

from jupyter_data_fetch.codec import TextCodec, extract_from_reply

# ... 省去部分代码。更多参考examples/message/joinquant.py

with KernelClient(server_url="https://www.joinquant.com/user/12345678901", token=None, headers=headers) as kernel:
    # 一定要保证缩进正确
    code = """
df = get_fundamentals(query(
        valuation, income
    ).filter(
        # 这里不能使用 in 操作, 要使用in_()函数
        valuation.code.in_(['000001.XSHE', '600000.XSHG'])
    ), date='2015-10-15')
"""
    reply = kernel.execute(TextCodec.generate_code(code, var_name='df'), store_history=False)
    print(reply)
    obj = TextCodec.decode(extract_from_reply(reply))
    print(obj)

自动登录并获取数据的完整示例

参考examples/experimental/cookie_playwright.py

核心代码

1. TextCodec: 目前使用base85编解码器，使用字符串传输数据，压缩率高。如果字符串被截断，必须使用ImageCodec
2. ImageCodec: 图片编解码器，使用图片传输数据，base64编码压缩率低
3. generate_code生成可在Notebook单元格中运行的代码字符串，一定要指定需要获取的变量名var_name
4. kernel.execute在服务段执行字符串代码，返回json对象
5. extract_from_reply从json中提取数据
6. decode字符串解码成对象

注意

1. 由于各平台限制，generate_code生成的代码可能无法运行，可以复制到Notebook中测试
2. python3.6问题太多，可以打开一个ipynb文件后，通过菜单更改内核为最新版
3. 可以连接到已经打开的内核，只要提供kernel_id参数即可。参考ricequant.py示例
4. Notebook中可以导入当前目录中py，但本项目直接使用当前目录是/，导致导入失败，通过指定kernel_id可解决