Python 字体反爬之乐居字体反爬，一文看懂，一文学会

2022 年 8 月 02 日
本文字数：913 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>672</font> 篇原创博客

⛳️ 实战场景

本次字体反爬的目标场景是：乐居，地址如下所示：

https://house.leju.com/as/new/#wt_source=pc_csss_mf_zxlp

复制代码

以上页面是随机打开的，你可以选择自己的城市进行测试。使用开发者工具，先找到对应的数字，查看是否所见即所得。

很明显的一个字体反爬，数字由 8733 转变为 7100 ，既然已经发现是数字产生了变化，那接下来的事情就非常容易了。

我们抓取一下字体文件，查看其内部具体包含哪些字体编码。

结果发现字体文件竟然是已字节流形式写到了前台，这样我们后续获取字体文件，就转变成了字节读取与解析。

通过工具查看字体文件之后，发现除字体外，还存在一些中文字符被替换的情况，我们在页面实测一下。

测试之后，中文字符在列表页未启用，估计在其它页面，这里不做过多探究。

查看字体文件是否一致

捕获多次刷新数据，得到下图内容。

对比结果之后，可以了解到中文字符的编码无变化，仅数字产生变化，但是数字对应的英文又是确定的，这里其实已经解决了该案例。

⛳️ 乐居实战场景

字体文件的解析，参考我们 Python 爬虫 120 例子中的其它博客即可，本文仅对字体文件的爬取做解析。

import requestsimport iofrom lxml import etreeimport base64from fontTools.ttLib import TTFont
detail_url = 'https://house.leju.com/as/new/#wt_source=pc_csss_mf_zxlp'res = requests.get(detail_url)tree = etree.HTML(res.text)style = tree.xpath("//style/text()")font_face = style[0]
font_char = font_face.split("src: url(data:font/truetype;charset=utf-8;base64,")[1].split(") format('woff');")[0]# print(font_char)
# 转换为字体文件font_file_io = base64.b64decode(font_char)print(type(font_file_io))
# 加载字体二进制流font = TTFont(io.BytesIO(font_file_io))print(font)
# 测试一下字体文件font_map = font['cmap'].getBestCmap()print(font_map)