字体反爬原理
- 网页开发者自己创造一种字体,因为在字体中每个文字都有其代号,那么以后在网页中不会
直接显示这个文字的最终的效果,而是显示他的代号,因此即使获取到了网页中的文本内
容,也只是获取到文字的代号,而不是文字本身。 - 因为创造字体费时费力,并且如果把中国3000多常用汉字都实现,那么这个字体将达到几十
兆,也会影响网页的加载。一般情况下为了反爬虫,仅会针对0-9以及少数汉字进行自己单独
创建,其他的还是使用用户系统中自带的字体。
字体反爬解决方法-寻找字体
- 一般情况下为了考虑网页渲染性能,通常网页开发者会把字体编码成base64的方式,因此我
们可以到网页中找到@font-face属性,然后获取里面的base64代码,再用Python代码进行
解码,然后再保存本地。示例: viewsource:https://www.shixiseng.com/intern/inn_a7xabqqr4f9u - 如果没有使用base64,还有另外一种方式,就是直接把字体文件放到服务器上,然后前端通
过@font-face中的url函数进行加载。示例: https://developer.mozilla.org/zhCN/docs/Web/CSS/@font-face
字体反爬解决方法-分析字体
- 分析字体需要将字体转换成xml文件,然后查看其中的cmap和glyf中的属性。其中cmap存储
的是code和name的映射,而glyf下存储的是每个name下的字体绘制规则。