python爬虫破解大众点评的字体加密

大众点评最大的难题就是字体加密，也就是这样

     

很明显点评网宁可错杀一万，也不肯放过一个，干脆使用了自己定义的字体。不过既然自定义了字体，那么网页肯定需要加载字体文件。

谷歌浏览器，右键检查，进入network 然后刷新页面，点击Font。

我们来下载这个加载的字体：8f8cfde4.woff 

右键 copy like address 

粘贴到新页面 即可下载

将下载的字体导入FontEditor中打开 

（百度家的在线字体编辑器）

http://fontstore.baidu.com/static/editor/index.html

 

导入之后：

 

我们再结合网页源代码，就得到了相应乱码与数字的对应关系：

 

 

我们可以发现网页中的乱码和FontEditor中的乱码后四位是一样的，比如说图中某店铺的点评数为2481，在网页源代码用【1】来表示，这在FontEditor的字体编辑器中对应的是【unie801，unieb78，uniefe4】。

所以我们要做的是：

1、下载网站font字体包

2、将font字体包中导入FontEditor 观察得到乱码与数字的关系

3、前缀替换，并将字体名字和它们所对应的乱码构成一个字典 

运行看一下：

 

没错，跟刚才观察的结果一致。

那么下面我们获取网页源代码，并根据刚才 get_font()构成的字典进行替换。

再看一下结果：

 

这样就破解了点评网的字体加密。

剩下各位就可以自行用喜欢的解析方式来解析html啦。

 

本文首发于公众号《凹凸玩数据》

本文相关爬python代码已上传公众号后台，

关注公众号《凹凸玩数据》后回复“大众点评”即可