破解安居家数字加密成功爬取-CSDN博客

本文链接：https://blog.csdn.net/zql200008/article/details/104017653

本文介绍了在爬取租房网站时遇到的数字加密问题，通过F12查看源码，发现字体加密。借助Python，引用包和字体包进行base64二进制解码，解析字体映射关系，成功解密并编写爬虫代码抓取详细内容，最终以JSON格式保存数据。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前两天做到爬取租房网站的一个爬虫题目诈一看还挺简单（之前从来没有爬过租房网站）下一刻我就后悔了里面的数字竟然是乱码瞬间不知所措（奔溃边缘徘徊）就是这个东西这是个嘛
在这里插入图片描述
也没学过类似于这种解码的东东然后就疯狂的找博客（写的是不少，能用的却没几个）最终在昨天寻找到了一篇还算比较靠谱的博客（大神）https://blog.csdn.net/qq_38105596/article/details/90177458对没错就是他，然后我就将大佬写的尝试着与我写的结合（结果脑子都停转了去这是个啥）好在皇天不负有心人，对没错就在此刻我终于成了（啊哈哈哈）
然后我就来分享我的喜悦来了（哦哈哈哈）我自己也总结了一下

F12查看那个价格在最右边看到了fangchan-secret对没错就是它在捣乱（好气的有木有）
在这里插入图片描述
我们复制它然后就右键查看网页源代码然后F3开始进行搜索咯就到了下面那个红框框里面的内容（没错就是它）这就是它的字体

现在我们做的就是要用正则表达式将它里面的内容取出来（因为会随着网页变化里面内容也会变化，之前不知道就直接复制过来然后数字飞到了天上8080年56月78日运行它就知道什么是绝望https://blog.csdn.net/zql200008/article/details/103973085）

base64_str = re.findall(";src:url\('(data.*)'\)\sformat\('truetype'\)"）

引用包base64和字体包进行base64二进制解码，将字体文件写入了ttf字体文件和xml文件中

import base64
from fontTools.ttLib import TTFont
from io import BytesIO

然后解析映射关系出来一大堆这样的东西（看了一大堆博客终于知道了glyph00000没有意义，glyph00001对应0，glyph00001对应2以此类推）
在这里插入图片描述
知道这些过后就可以开始写我的爬虫代码了(我需要的是详细页面中的详细内容)确定找到全部的list列表

all_list = selector.xpath('//*[@class="zu-itemmod"]')       #当页中全部数据列表

在这里插入图片描述
为了找到每一个的详细内容我们需要知道每一个的URL（就是它）

all_list = selector.xpath('//*[@class="zu-itemmod"]')       #当页中全部数据列表
    for sel in all_list:
        url_a = sel.xpath('div[1]/h3/a/@href')[0]       #获取到每一页的URL
        parse_id_detail(url_a)	#这是为下面的def

这样我们就得到了全部的listURL
在这里插入图片描述
进入到每一页的URL中寻找我们需要的内容（呐就是这些）

写一个函数确保我们需要的每个URL都可以获取内容

def parse_id_detail(url_a):
    alls = requests.get(url_a,headers=headers)
    alls.encoding='utf-8'
    selector = etree.HTML(alls.text)
    time.sleep(random.randint(0,1))     #0~1秒爬取一次
    items=[]
    item = {
   }
    #房间价格（像这样的列子可以将其他的都提取）
    price = selector.xpath('string(//*[@class="house-info-zufang cf"]/li[1]/span)')
    item['price'] = price
    items.append(item)	#	最后的数据整合

最后就要将获取的数据保存咯（这里我的题目要求是json形式保存，你们也可以用其他类型）

#   将数据已json数据存储
        with open('all.json','a',encoding='utf-8')as fp: