python-GlidedSky字体反爬虫

题目

字符到图片映射都是反爬都可以当作反爬的措施，题目要求看到的数据而不是网页源码的数据。

分析

1、网页中混淆了多种字体，每次刷新源码的数据都有变化。
2、把font-face中的base64数据进行解码并保存到本地中，把头部的charset以及base64去掉，使用base64库进行解码保存为ttf文件。

3、使用FontCreator进行查看，可以看到其中对应的关系。

4、进行多次刷新，把字体数据保存下来，在进行爬取时，进行对比，确认使用哪一套的字体

简单粗暴ocr识别

1.使用selenium进行登录
2.进入待爬取页面，对页面进行截图，页面元素定位截取
3.使用百度ocr文字识别进行识别
4.注意要添加页面加载超时以及识别时的速度，百度ocr识别对QPS有限制

最后把得到的数据放进列表中进行计算