字体反爬——可视化字符匹配通用方案(浏览器版)

[md]在爬取数据的时候，一些网站做了关于字体反爬的处理，他们反爬原理大致都差不多，用制作的字符图标替换为真实文字显示，导致你去复制他的东西，显示出来就变成一堆乱码

反爬例子

来看几个例子：

其中处理比较好的是汽车之家的字体反爬，一起来看一下他的处理。以下是他页面的源码，可以看到，font文字是空白的，不容易分析出特征，你去读取他字体文件的时候，是没有unicode码的，不过呢，他强任他强，这不妨碍我们的破解工作。文末会说一下我对某车之家的处理，仅供参考

我们再来对比其他的。

下面是大众点评的处理，可以看到他用的是unicode图标，没有对字符特征做处理

以上就是对字体反爬的简(敷)单(衍)介绍，直接进入正题。

破解的思路，就是将他的unicode和真实字符做匹配，要处理字符图标的识别，要记录下识别出的结果和unicode编码

这里提供一个我写的前端解决方案：https://gitcode.net/weixin_45307278/unicode2font
可以通用到所有网站，原理就是1、拿到字符图片，2、识别字符图片，3、记录，4、保存
单引号、双引号和尖括号之间的闭合。有些标签例如,构造的payload应该为” >，那么组成的标签为<input value=“”><script><//script>alert(“阿涛”)</script>"2、尖括号被转义，利用注释符号和一些属性事件.例如，构造payload为
目前市场上对字体反爬的处理手段，大部分都是用的python作为主要语言对字体文件进行操作，对unicode编码识别，放到前端处理，其实也是一样的。

准备工作

1，如果你要自动获取token，参看这种方法

制作一个跨域浏览器，因为获取token的接口是跨域的，项目默认是自动获取token的。不会制作跨域浏览器的可以去百度，很简单

2，不需要自动获取token

对于这种方法，随便使用哪个浏览器都可以，不过要使用Postman的工具获取百度的AccessToken，然后写死到项目的access_token参数就好，下面逻辑不用动，只需要赋值就好了，逻辑已经做了处理

项目地址

https://gitcode.net/weixin_45307278/unicode2font

项目介绍

先介绍一下这个项目，这个项目我是爬取的一个字体文件在线浏览网站的源码，然后在他的基础上进行了二次开发，他的功能是对字体文件文字查看和修改，字体文件一键打开即可查看字体的编码和字符图案。

打开字体文件就是下面这样，有字体的字形，字体的unicode，以及对字体的二次编辑等功能。

我魔改的部分是他的预览页面，首先我们看下预览结果页面的样子

这个页面就满足了我们所有的需求。

为什么这么说呢，因为这个页面会展示文件内所有的字符，前端通过获取每个dom的base64图片，然后将图片传给识别接口识别，最后记录下来，简直完美。
识别接口这里用到的是百度的通用识别，每天5万次，个人使用完全够了，准确率杠杆的，没注册的可以去注册一个

项目里面这个地方要用到。

我知道你们在想什么，“可以教一下这个怎么填写么”，行的，可以（你们还是回家养猪吧）

注册之后先进到控制台，然后打开文字识别

这两个玩意按顺序完成就可以

创建完应用之后，在应用列表里面，这几个值是你要保管好的，他可以去获取AccessToken，这个token就是一个通行证一样，有了这个通行证才能去访问服务

看到了吧，就是这几个，文档其实写的也很清楚了，就不一一赘述

以上就是大概的介绍，项目使用这里就用一个gif演示吧，最后会有一个json文件下载下来。里面就是你识别出的结果，对于错误或者，没有识别出来的，会有一个记录，就需要你自己手动修复一下了

汽车之家字体反爬破解思路

最后，前面说的关于某车的反爬破解方法，这里简单说一下
我们以下图这个为例，这是浏览器渲染后的dom效果

然后再看看网页源码，可以判断这个是服务端渲染的，虽然看不见字符，但是可以获取到字符

我们将获取到的字符写个demo测试一下

然后我们再去对应一下这个字体表，ec66刚好就是我们对应的“大”字

根据这个原理，那么我们可以通过获取到dom的字符然后转码出来替换为真实的字符，完结撒花，demo已经有了，思路到位就行[/md]