目标网站:http://glidedsky.com/level/web/crawler-font-puzzle-2
关于这个网页的详细解析可查看:https://blog.csdn.net/weixin_45926804/article/details/103892815
关于康熙字体可查看:https://blog.csdn.net/qq_40734108/article/details/105104412
直接上代码
import base64 from fontTools.ttLib import TTFont import requests import re # 第一个是日常用的基本汉字,第二个是康熙字体 kx_dict = { '一': '⼀', '乙': '⼄', '二': '⼆', '人': '⼈', '儿': '⾒', '入': '⼊', '八': '⼋', '几': '⼏' , '刀': '⼑', '力': '⼒', '匕': '⼔', '十': '⼗', '卜': '⼘', '厂': '⼚', '又': '⼜', '口': '⼞' , '土': '⼟', '士': '⼠', '大': '⼤', '女': '⼥', '子': '⼦', '寸': '⼨', '小': '⼩', '尸': '⼫' , '山': '⼭', '工': '⼯', '己': '⼰', '干': '⼲', '广': '⼴', '弓': '⼸', '心': '⼼', '戈': '⼽' , '手': '⼿', '支': '⽀', '文': '⽂', '斗': '⽃', '斤': '⽄', '方': '⽅', '无': '⽆', '日': '⽇' , '曰': '⽈', '月': '⽉', '木': '⽊', '欠': '⽋', '止': '⽌', '歹': '⽍', '毋': '⽏', '比': '⽐' , '毛': '⽑', '氏': '⽒', '气': '⽓', '水': '⽔', '火': '⽕', '爪': '⽖', '父': '⽗', '片': '⽚' , '牙': '⽛', '牛': '⽜', '犬': '⽝', '玄': '⽞', '玉': '⽟', '瓜': '⽠', '瓦': '⽡', '甘': '⽢' , '生': '⽣', '用': '⽤', '田': '⽥', '白': '⽩', '皮': '⽪', '皿': '⽫', '目': '⽬', '矛': '⽭' , '矢': '⽮', '石': '⽯', '示': '⽰', '禾': '⽲', '穴': '⽳', '立': '⽴', '竹': '⽵', '米': '⽶' , '缶': '⽸', '网': '⽹', '羊': '⽺', '羽': '⽻', '老': '⽼', '而': '⽽', '耳': '⽿', '肉': '⾁' , '臣': '⾂', '自': '⾃', '至': '⾄', '舌': '⾆', '舟': '⾈', '艮': '⾉', '色': '⾊', '虫': '⾍' , '血': '⾎', '行': '⾏', '衣': '⾐', '角': '⾓', '言': '⾔', '谷': '⾕', '豆': '⾖', '赤': '⾚' , '走': '⾛', '足': '⾜', '身': '⾝', '车': '⾞', '辛': '⾟', '辰': '⾠', '邑': '⾢', '酉': '⾣' , '采': '⾤', '里': '⾥', '金': '⾦', '长': '⾧', '门': '⾨', '阜': '⾩', '隶': '⾪', '雨': '⾬' , '青': '⾭', '非': '⾮', '面': '⾯', '革': '⾰', '韭': '⾲', '音': '⾳', '页': '⾴', '风': '⾵' , '飞': '⾶', '食': '⾷', '首': '⾸', '香': '⾹', '马': '⾺', '骨': '⾻', '高': '⾼', '鬼': '⿁' , '鱼': '⿂', '鸟': '⿃', '卤': '⿄', '鹿': '⿅', '麻': '⿇', '黍': '⿉', '黑': '⿊', '鼎': '⿍' , '鼓': '⿎', '鼠': '⿏', '鼻': '⿐', '齿': '⿒', '龙': '⿓', '夕': '⼣'} def spider(i): url = f"http://glidedsky.com/level/web/crawler-font-puzzle-2?page={i}" headers = { 'Cookie': '_ga=GA1.2.1509539893.1587014930; Hm_lvt_020fbaad6104bcddd1db12d6b78812f6=1587014930,1587108479; _gid=GA1.2.1660844838.1587200384; footprints=eyJpdiI6InhiY0dWRVQ0dFM2XC9QYjZsTDZNOG5RPT0iLCJ2YWx1ZSI6IlBLNjUyZmFwU2pnaFBXekJySllONkx4alhrV2xJSDNiajV3N29oR0xwdXlmeDlzK1R4S1wvdHZ5UGliRGk4RjZwIiwibWFjIjoiZmFmMmQ3NTU1MzhmYmJkODkyZmM2NTRlNjRkMmViM2VhZGMxYWUzYjYwNjJlZWQzYjViMTA3MjVlNDYxYjJiMiJ9; remember_web_59ba36addc2b2f9401580f014c7f58ea4e30989d=eyJpdiI6IlI1TUZsQ0NSVkpxYWZTeWhZSXVYeUE9PSIsInZhbHVlIjoiMWs5S0p3NUhic0UxdjU3OHdXVkR5NVwvMXFDZ3NUTmdrQ0E5TzE5N2MzamR0a1pLVzBJVXU0cmVUVHRLbFJFOFwvV1NuYnpEQVBQVnVLS2ZtOHo5RlwvdmlFWmd2UXF5TFE0MVMzV0FkckVRbmUxVlNDek1NK3cwRjkyWjRUejlPRlk3S0VoNHJycG5yRWNjRTBiTHRQZjk3RUFkZkxvSWFSZTFLQjBpVmRjU2RZPSIsIm1hYyI6ImNlZDUxYWJhNmVhODY1MzllYWNiYjQyOWUxOWE1OTk2NGY3NjdkMjFkOTc4NjBlZWZlNmFmMDAwZDg2MTJmNTgifQ%3D%3D; XSRF-TOKEN=eyJpdiI6InpuMFFUZmY1RHhrYlwva24rTUdYQmR3PT0iLCJ2YWx1ZSI6InpaSDRWUTk1MFVQeG1Mc1FydllzRkVaQ0tURTBaWktIcWVDcmZMWGZXRUt1NVBtRlFrUmhvS2w1Y1NPSlRwUUQiLCJtYWMiOiI4NzNkMjA0MDBlMGUzNTljZWViYWQ4MWIxOTc1ZTc0MTVhZjFjMzdiNjhkZjA1NGQ5NmRjN2NmYWI3YzVmMjYyIn0%3D; glidedsky_session=eyJpdiI6ImVESlVHR3ZkMktkZ0NncTcyVzZraUE9PSIsInZhbHVlIjoiRXZqV0lcL3pBdjAwOGJnYkt3d3hUbXJBcnVZMFZqTWh2S0ExQ1NzZ1RjREtsd3cxd0cwSTgzZG95VGw1MzRtMjgiLCJtYWMiOiIyYzE1MTAxOWE3MjMxMDdkNDdlNzg0NzEyNWQyNDY3ZWI0MzdhMjYyN2RlZTNjODcyZTFkNjRjYjM0ZmVjMWFhIn0%3D; _gat_gtag_UA_75859356_3=1; Hm_lpvt_020fbaad6104bcddd1db12d6b78812f6=1587291491' } resp = requests.get(url,headers=headers).text # 得到加密的字符串 encrypted = re.search(r'\(data:font;charset=utf-8;base64,(.*?)\) format',resp,re.S).group(1) # 进行解码 data = base64.b64decode(encrypted) with open('gs-2.ttf','wb') as f: f.write(data) # 解析字体库 fonts = TTFont('gs-2.ttf') # fonts.saveXML('gs-2.xml') # 得到编码 uni_list = fonts.getGlyphOrder()[1:] # print(uni_list) # ['uni67B7', 'uni7BC6', 'uni68DA', .....] utf_list = [eval(r"'\u" + x[3:] + "'") for x in uni_list] # 转换格式 # print(utf_list) # ['枷', '篆', '棚', '堂',....] num_list = ['0','1','2','3','4','5','6','7','8','9']*10 utf_dict = {u:n for u,n in zip(utf_list,num_list)} # print(utf_dict) # {'枷': '0', '篆': '1', '棚': '2',.....} base_chinese = re.findall(r'<div class="col-md-1">.*?(\S+).*?</div>',resp,re.S) # print(base_chinese) # ['棚棠筑', '堂枷垂', '篆堂枷',....] sum1 = 0 for i in base_chinese: rel_num = '' for j in i: # '棚棠筑'... if utf_dict.get(j) == None: if kx_dict.get(j) == None: print(j) raise Exception("kx_dict里没有这个字!!!") j = kx_dict.get(j) # 变为康熙字体 if utf_dict.get(j) != None: rel_num += utf_dict.get(j) sum1 += int(rel_num) return sum1 if __name__ == '__main__': sums = 0 for i in range(1,1001): sum1 = spider(i) sums += sum1 print(i,sums)
运行时也出过报错,因为收录的kx_dict里没有民虎臼等字,问题有待解决,,,,,,,,没空解决。