大众点评数据信息获取——字体反爬

最新推荐文章于 2024-05-31 11:52:52 发布

down_dawn

最新推荐文章于 2024-05-31 11:52:52 发布

阅读量1k

点赞数 1

分类专栏：爬虫与逆向文章标签：大众点评字体反爬 css字体映射svg woff字体加密

本文链接：https://blog.csdn.net/qq_42280510/article/details/106281243

版权

12 篇文章 7 订阅

订阅专栏

大众点评的字体反爬算是比较常见的，这次来学习一下相关字体反爬的技巧

以店铺的评论页面和店铺列表页面进行研究，分别对应了css字体映射，woff字体加密的反爬虫手段。

在这里插入图片描述
稍微观察一下，可以发现页面的地址、电话和评论信息都被加密了，对应的字体位置存在一些特殊占位符。

留意一下，<bb class="(.*?)"></bb> 包含的字符串和对应background的x和y，这是后面破解的关键。

在这里插入图片描述
可以发现有个变化的y值和对应的字体列表，再和上面观察到的信息进行关联，思考一下。

嗯。。。这竟然变成了找规律。

很容易你可以发现，以“环”为例，background的x=98，y=115，svg页面的y值大于115的是130，“环”字就在这行的字体列表里，对应的索引位置为7（以0开始），而 x/字体宽度=98/14=7。好像对应上了，你可以多试几个。

类似的电话的svg，评论的svg都有类似的规律，其中评论的svg会比较复杂一点，还需要进一步转化。

代码完成之后的结果是这样的：

在这里插入图片描述

发现这是一个下载链接，下载下来的woff文件拿去百度的在线字体编辑器打开：http://fontstore.baidu.com/static/editor/index.html

可能打不开，需要转化成ttf或者其他格式，也有很多在线的工具。

在这里插入图片描述
打开之后，可以发现每个字体对应的下标就是我们要找的class的text。网上有用图片识别库来识别出对应的字体字典列表，随便去百度一下吧。

但是，我们可以用fontTools库把woff转化为XML格式，然后来观察规律。

# 转化成xml文件
font = TTFont(filepath)  # 打开文件
font.saveXML(xml_path)  # 转换成 xml 文件并保存

源代码里对应数值3的文本为&#xe795，以xe795来观察。

可以发现，对应的id-1就是我们需要的正确数值。

（可能是这样吧，其中还有一些规律需要处理，不想麻烦的待会直接去看代码吧）

在这里插入图片描述

代码完成的结果是这样子的：

在这里插入图片描述

声明：博客内容不得用于商业用途，仅做学习交流，如果侵犯了您的利益和权益,请私聊联系我，我将删除该博客。

谢谢。

关注