📢📢📢📢📢📢💗 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>661</font> 篇原创博客
Python 爬虫实战场景，人
本次要采集的站点是 double 人车，目标站点如下所示：
d3d3LnJlbnJlbmNoZS5jb20=/cn/dazhong/?plog_id=6aa04cde5309dd233f85bd47a996c423
复制代码
域名使用的是 base64 加密
该站点也是字体反爬经典案例，其呈现不是以乱码形式展现，而是源码差异，具体如下图所示。
可以看到 2020 在源码中为 5050 ， 380 为 390 ，非常有趣的一种字体反爬手段。
检查其 css 样式，发现下图字体设置。
切换到网络视图，抓取字体请求，得到如下内容，又是一个 woff 字体文件，在文件名上右键，然后在来源面板打开，可以预览字体内容。
可以看到最下面的数字顺序是混乱的。
得到这个逻辑之后，就可以通过字体文件进行替换操作了。
⛳️ 实战编码，人
随机下载一个字体文件到本地，然后打开之后，查看编码，使用的工具是 FontCreator，打开之后，可以看到索引和文字的对应关系如下。
0 对应的是 zero ，其余的字体对应关系都发生了变化，这也是后续我们解决该字体加密的核心逻辑。
而且在实测中发现字体文件只有第一次网页加载时，才会重新下载，后续都是直接从缓存读取，这就给了我们偷懒的机会。
接下来我们重点解决一下字体加密部分代码。
获取网页字体类名
import requestsfrom lxml import etreeres = requests.get('https://d3d3LnJlbnJlbmNoZS5jb20=/cn/dazhong/?plog_id=6aa04cde5309dd233f85bd47a996c423')els = etree.HTML(res.text)class_name = els.xpath('//h3/@class')[0]
复制代码
通过 class_name 获取字体文件的二进制流。
在获取字体文件的时候，先判断一下本地文件夹中是否存在该文件，如果有，直接使用即可。
import requestsfrom lxml import etree
from fontTools.ttLib import TTFontimport ioimport os
res = requests.get('https://d3d3LnJlbnJlbmNoZS5jb20=/cn/dazhong/?plog_id=6aa04cde5309dd233f85bd47a996c423')els = etree.HTML(res.text)class_name = els.xpath('//h3/@class')[0]
# 本地保存文件file_woff = './tmp/renPython脱敏处理_font/{0}.woff'.format(class_name)if not os.path.exists(os.path.dirname(file_woff)): os.makedirs(os.path.dirname(file_woff))
url = 'https://misc.rrcimg.com/ttf/{0}.woff'.format(class_name)resp = requests.get(url)
# 判断文件是否存在，不存在创建if not os.path.exists(file_woff): print("创建文件") with open(file_woff, 'wb') as f: f.write(resp.content)
# 读取文件with open(file_woff, 'rb') as font_file: font = TTFont(io.BytesIO(font_file.read())) # 转换成字体对象
print(font)
# 获取 cmapfont_obj = font['cmap']# 获取 cmap tablefont_tables = font['cmap'].tablesuni_list = font['cmap'].tables[0].ttFont.getGlyphOrder()
print(uni_list)
复制代码
此时得到如下内容：
['.notdef', 'zero', 'four', 'five', 'three', 'seven', 'one', 'two', 'six', 'nine', 'eight']
复制代码
找到字体文件的对应关系，编写对应的转换，这里我们直接复制一段网站文本进行测试。
替换前：本田-凌派 5048款 490Turbo CVT豪华版替换后：本田-凌派 2019款 180Turbo CVT豪华版
复制代码
接下来核心逻辑会写在代码中，可以边看边学习。
# 将英文替换为数字cn_num_list = [eng_list[_] for _ in uni_list]print(cn_num_list) # 转换后的正确数字顺序
# 将数字对应关系生成zip_num_list = dict(zip(cn_num_list, num_list))print(zip_num_list)
# 假设读取到的文本是 本田-凌派 5048款 490Turbo CVT豪华版input_txt = '本田-凌派 5048款 490Turbo CVT豪华版'print("转换前",input_txt)# 文本进行转换，当字符是数字时transfor_str = [_ if not _.isdigit() else zip_num_list[_] for _ in input_txt]print("转换后",''.join(transfor_str))
复制代码
<kbd>
</kbd>
宣传时间
📣📣📣📣📣📣右下角有个大拇指，点赞的漂亮加倍
评论