爬虫之字体反爬（一）起点网

今天为大家带来的是爬虫之反爬措施中字体反爬的一个案例，起点网。具体来看下面的分析与代码。

首先参考的网站：https://www.qidian.com/all?&page=1

从网站中可以观察到，它的反爬是这样的：

再从网页源码中观察，发现又是这样的：

 

 在观察网页后发现重复出现了一个较为特殊的标签 <style>，点开之后如下图所示：

 发现原来这就是传说中的字体反爬！！ttf结尾的就是相应的字体文件。

好了，那么接下来就是观察字体文件，查看具体的数字是怎样的对应关系。

查看字体文件可下载fontcreater（自行百度。。），字体文件中显示如下：

 哇。。so easy，这不就是英文字母对应其数字吗，所以先自定义一个字典（单词与数字的对应关系），用来映射该网站的其他字体库。

 接下来，通过python库fonttools工具包，找出字体文件中包含的映射关系，代码如下：

from fontTools.ttLib import TTFont
from io import BytesIO

url_ziti = '字体文件地址'.
ziti = requests.get(url_ziti)
# 下载ttf字体文件，然后通过BytesIO转化为内存文件，使用TTFont处理
font = TTFont(BytesIO(ziti.content))
cmap = font.getBestCmap()
cmap

映射关系如下图所示：

 可以发现，上图中字典的键值与网页源码中的值是一致的，于是就可以通过相互映射的关系，找出这些源码最终代表的是那几个数字，我把两张图放在一起，方便大家理解：

 

 可以看到100156对应数字1，100158对应数字6，依此类推，最后得到的数字是160.87，发现与网页中显示的一致。

这个案例到这就结束啦，总结一下：这里的反爬呢就是相互之间的映射关系，关键点在于寻找发现这种关系，主要通过两个工具，fontcreater和fonttools包，其次只需要映射出网页源码与真实数字即可。