python爬虫加密空间_python爬虫反反爬，你几乎可以横扫大部分 css 字体加密的网站...

接下来就是

学习 python 的正确姿势

有人说了

不就是把字体通过 unicode 编码吗？

那就简单了啊

把每个字的编码找到

然后使用字典把编码和对应的字对应起来

抓取分析的时候

直接替换不就得了

有道理是有道理

但是

如果我每次返回给你的编码都不一样呢？

你说死不死

好了好了，先别哭得那么舒服

我们来看看天猫电影票房榜单的页面

https://maoyan.com/board/1

正如你所看到的那样

这里也使用了字体加密

通过源代码我们可以看到

font-face这里制定了字体文件路径

还是熟悉的配方

熟悉的味道～

不过小老弟

还是不要开心太早

刷新几次你就会发现

(盯着下图 2 秒钟)

看到没有

字体文件一直在变

woc！

玩呢？

我们先把字体文件下载下来

# 把整个页面搞下来

url = 'https://maoyan.com/board/1'

html = download_html(url).decode('utf-8')

用正则把字体文件名拿一下

font_file_name = re.findall(r'//vfile.meituan.net/colorstone/(w+.woff)', html)[0]

拿到了文件名之后就构建一下url

然后把字体文件下载下来

url = 'http://vfile.meituan.net/colorstone/' + font_file_name

font_file = download_html(url)

接着把字体文件写到本地文件中

with open('fonts/' + font_file, 'wb') as f:

f.write(new_file)

使用 fontTools 来获取字体

如果你之前没安装的话要安装才能用

接着我们把字体文件保存为 xml

font = TTFont('fonts/' + font_file)

font.saveXML('./'+font_file+'.xml')

快打开打开看看

哇，这些玩意

有点眼熟啊

这不就是加密的 unicode 码么

左边的 id 难道就是对应的数字？

恩没那么简单

就能找到聊得来的伴

尤其是在看过了那么多背叛

总是....

不好意思

走错片场了

回到我们刚刚的 xml 文件

往下拉一下

可以看到这个

这里每一个编码都对应一个 TTGlyph 对象

从各种 x y 坐标可以猜测

它应该是用来绘制一个字的

我们把任意一个对象复制一下

然后用 matplotlib 根据坐标画个图试试看

import matplotlib.pyplot as plt

import re

str = """"

.....此处省略一点代码

"""

x = [int(i) for i in re.findall(r'