本文探讨了字体反爬虫技术，通过分析【实习僧】网站实例展示了字体反爬的工作原理。介绍了两种解密方法：人工解密（适用于少量字符）和工具解密（利用fontTools库处理ttf文件）。通过建立映射关系，可以解密并清洗HTML源码，从而正常爬取和分析数据。最后强调了爬虫和前端开发的挑战，提倡文明爬虫。
目录
THE BEGIN
网页数据爬取可以简单分为三步：抓取页面，分析页面，存储数据。其中第一二步最为头疼，因为每个站点各有特色，你要不断检查网页结构寻找其规律，更不用说现在各种各样的反爬虫手段了。
一般来说，大多数网站会从三方面反爬虫：用户请求，如请求头检测；用户行为，如限制IP短时间频繁访问；网站加载方式，如Ajax异步加载。
今天来看看另一种常见反爬手段：字体反爬。
一 什么是字体反爬？
在这里有一个例子【实习僧】https://www.shixiseng.com
进入官网，打开开发者模式，可以观察到关键信息在页面上显示正常，但是源码是乱码
在这里，源代码中展示的并不是纯粹的数字，而是在页面使用了font-face定义了字符集，并通过unicode去映射展示。这对于正常访问的用户没有影响，因为浏览器会加载css中的font字体为用户渲染好，而对于爬虫来说却极其不友好，因为爬取下来的关键信息都是乱码。这在一定程度上起到了反爬虫的作用，因为数据被加密了！
最低0.47元/天 解锁文章
扫一扫
1766
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
