中文起，Python 字体反爬实战案例，再一点

2022 年 7 月 25 日
本文字数：932 字
阅读完需：约 3 分钟

📢📢📢📢📢📢💗 你正在阅读 【梦想橡皮擦】 的博客👍 阅读完毕，可以点点小手赞一下🌻 发现错误，直接评论区中指正吧📆 橡皮擦的第 <font color=red>665</font> 篇原创博客

⛳️ 起点实战场景

本次采集的案例是点起文中，你可以随机打开一本目标 xiaoshuo，检查一下网络请求中是否存在字体文件响应数据。

Python脱敏处理.Python脱敏处理.Python脱敏处理/info/2952453/#Catalog

复制代码

字体加密位置呈现的效果如下图所示。

编写网页爬取代码，查看其字体位置使用的编码。

import requests
headers = {    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/100.0.4896.127 Safari/537.36",    "Origin": 'https://Python脱敏处理.com',    "referer": "https://Python脱敏处理.com"}
response = requests.get(url='https://Python脱敏处理/info/2952453/',headers=headers)response.encoding = 'utf-8'
print(response.text[:20000])

复制代码

截取源码部分，查看编码内容。

同时下载本页面的字体文件，用工具打开之后，发现字体编码图形顺序没有什么变化，这对于后续我们解决反爬就变得非常简单了。

接下来读取和解构一下这个字体文件，在其中找到能用的数据。

from fontTools.ttLib import TTFont
import io
file_woff = './fonts/YOfzYtjr.woff'with open(file_woff, 'rb') as font_file:    font = TTFont(io.BytesIO(font_file.read()))  # 转换成字体对象#字体映射关系font_cmap = font['cmap'].getBestCmap()print(font_cmap)

复制代码

输出的信息为：

{100418: 'two', 100420: 'seven', 100421: 'five', 100422: 'nine', 100423: 'six', 100424: 'three', 100425: 'four', 100426: 'zero', 100427: 'one', 100428: 'period', 100429: 'eight'}

复制代码

接下来在回头去看一下刚才字体反爬位置的特殊字符与字体编码。网页特殊字符

&#100273;&#100271;&#100276;&#100274;&#100273;&#100269;

复制代码

字体编码

{100269: 'nine', 100271: 'five', 100272: 'three', 100273: 'six', 100274: 'period', 100275: 'one', 100276: 'eight', 100277: 'two', 100278: 'four', 100279: 'seven', 100280: 'zero'}

复制代码

得到最终的结果。

&#100273 -> 6

📣📣📣📣📣📣右下角有个大拇指，点赞的漂亮加倍

发布于: 18 小时前阅读数: 16

原文链接:【http://xie.infoq.cn/article/95998026d14364a20ec3c4acc】。文章转载请联系作者。

梦想橡皮擦

关注

爬虫 100 例作者，蓝桥签约作者，博客专家 2021.02.06 加入

6 年产品经理+教学经验，3 年互联网项目管理经验；互联网资深爱好者；沉迷各种技术无法自拔，导致年龄被困在 25 岁； CSDN 爬虫 100 例作者。个人公众号“梦想橡皮擦”。

发布

暂无评论

创作场景

中文起，Python 字体反爬实战案例，再一点

⛳️ 起点 实战场景

梦想橡皮擦

评论

⛳️ 起点实战场景