大众点评字体解密

最近在学习爬虫，拿了大众点评练手，发现大众点评的字体解密有难点
如上图发现了许多小框，但是网页上能看见正确的汉字地址

我们打开源码查看地址位置

全是一些&#xe…
然后我们找到源码中一个s3plus的链接

打开链接后

发现.woff结尾的文件

每一个@font-face都对应的一个woff文件的地址，复制url里的地址，然后打开，下载woff文件。将下载好的woff文件用fontcreator打开
就会发现一个uni编码对应着一个字体，大概的方向就是这样了。这里我们要用到redis跟fontTools模块，这里不做详细介绍。反正整就完了。附上我加解密的代码。

# -*- coding: utf-8 -*-
# Python: 3.7

"""
调用例子
实际运用中，导包路径自己填写好就行了
"""
import redis
import json
import requests
import re
import os


from fontTools.ttLib import TTFont

HASH_TABLE = 'dianping:font'


"""
【已知问题】
页面可能有多个字库（会自动捕获） 需要自己再对应字库中取字即可，请自行拓展
"""


class ParseFontClass:

    def __init__(self, css_url, redis_host='127.0.0.1', redis_port=6379, redis_pass=None):
        """
        redis 默认链接本机
        :param redis_host: redis 链接地址
        :param redis_port: redis 端口号
        :param redis_pass: redis 密码
        """
        self.name_list = None
        if redis_pass:
            pool = redis.ConnectionPool(host=redis_host, port=redis_port, password=redis_pass, decode_responses=True)
        else:
            pool = redis.ConnectionPool(host=redis_host, port=redis_port, decode_responses=True)
        self.r = redis.Redis(connection_pool=pool)
        with open('font.json', 'r', encoding='utf-8') as f:
            data = json.load(f)
        self.FONT_LIST = data.get('FONT_LIST')
        self.css_url = css_url
        self.start()

    def parse_ttf(self, code):
        clean_code = code.replace(';', '')[-4:]  # 只提取匹配区域
        result_list = self.r.hmget(HASH_TABLE, self.name_list)  # 取出对应字库表（已修复bug）
        for result in result_list:
            json_data = json.loads(result)
            if 'uni' + clean_code in json_data:
                return json_data['uni' + clean_code]
        return False

    def add_hash(self, name, json_data):
        """新增 hash
        """
        self.r.hset(HASH_TABLE, name, json_data)

    def check_hash(self, name):
        """判断 hash key 是否存在
        """
        return self.r.hexists(HASH_TABLE, name)

    def get_ttf(self, css_url):
        """获取字体链接
        """
        headers = {
            'user-agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.142 Safari/537.36'
        }
        result = requests.get(css_url, headers=headers)
        if result.status_code == 200:
            self.install_ttf(self.get_ttf_urls(result.text))
        else:
            return None

    def install_ttf(self, ttf_list):
        """安装字体
        """
        self.name_list = [ttf[ttf.rfind('/')+1: -5] for ttf in ttf_list]  # 提取字库名
        # print(name_list)
        for index, name in enumerate(self.name_list):
            if self.check_hash(name):
                # 已存在无需安装
                continue
            # 安装字体
            with open(name + '.woff', 'wb+') as f:
                f.write(requests.get('http:' + ttf_list[index]).content)  # 下载写入
                font = TTFont(name + '.woff')
                uni_list = font['cmap'].tables[0].ttFont.getGlyphOrder()  # 取出字形保存到uniList中
                json_data = json.dumps(dict(zip(uni_list, self.FONT_LIST)), ensure_ascii=False)
                self.add_hash(name, json_data)
                os.remove(name + '.woff')  # 用完了删掉，节省资源占用

    @staticmethod
    def get_ttf_urls(text):
        """提取字体链接，这里提取的class属性值等于address的字体
        """
        ttf_urls = []
        urls = re.findall(r"PingFangSC-Regular-address.*?format.*?url\(\"(.*?woff).*PingFangSC-Regular-address", text, re.S)
        for url in urls:
            if url not in ttf_urls and '.woff' in url:
                ttf_urls.append(url)

        return ttf_urls

    def start(self):
        self.get_ttf(self.css_url)


if __name__ == '__main__':
    """
    【已知问题】
    页面可能有多个字库（会自动捕获） 需要自己再对应字库中取字即可，请自行拓展
    """
    # 这里需要传入页面中包含字体链接的 css 网址
    pf = ParseFontClass('http://s3plus.meituan.net/v1/mss_0a06a471f9514fc79c981b5466f56b91/svgtextcss/fdfd7db3396bd1564ca702c46dd063b3.css')
    # 此处为页面上加密的 新华路 三个字
    print(pf.parse_ttf(''))
    print(pf.parse_ttf(''))
    print(pf.parse_ttf(''))
    print(pf.parse_ttf(''))

创建一个json文件将woff文件的字转换为json文档。也可以使用识图软件或者QQ文字提取把图中编码与文字识别出来。

运行完成后：

解密完成。
希望大家点个关注么么哒~