爬虫 | 五八字体反爬

前言

58二手车：

https://sz.58.com/ershouche/pn2/?PGTID=0d100000-0000-4e81-5801-e3cfbaae2802&ClickID=120

小编想爬一爬58同城的二手车，了解一下，爬取过程中在二手车的信息详情页，发现交易价的数字是加密过的：

我们来看一看怎么获取正确的数字。

字体文件获取

查看源代码发现，源代码里面返回的和我们右键检查的不一样：

这是因为现实源代码里的数字加密了后，渲染到前端，以那些牛鬼蛇神的样子出现的。

字体加密，就会涉及到字体文件，字体文件后缀一般为 woff，ttf，我们在源代码里面搜索，由于太长，分两张图：

可以看到，这就是字体文件的链接内容，我们需要得到字体文件内容。

在这里看到了 base64，说明它后面这一串，也就是两个箭头之间的字符串的 base64 编码过的，这些字符串就是字体映射的内容。

src:url 后面一直到第二个箭头这段字符串是一个 url，访问这个链接，就会下载字体文件，由于 58 每一页的字体映射都不一样，这样每次请求会增加网络请求的时间。

所以我们采取 base64 解码，把两个箭头之间的字符串解码，解码的结果是二进制的，写入文件，后缀为 woff：

这样我们就获得了字体文件。

字体映射

由于我们不经过字体破解，直接爬取源代码得到的字体是：

驋閏.齤

这样的形式，我们就以这个来说明怎么转为正确的数字。

我们得到的字体文件，可以用 fontTools 库打开，我们需要另存为 xml 文件，这样是方便打开 xml 文件分析映射：

打开 xml 文件，有两个重要的部分：

驋 我们来看，&# 对应 code 属性的 0

0x9a4b 对应 name 属性的 glyph00003

name 的值为 glyph00003 对应的 id 属性为 3

由于是从上往下是从 1 开始，所以需要减一，才是映射的数字

可以通过 xml 库读取 xml 文件来进行字体映射转换：

我们看看是否对应上了：

这样我们字体反爬就破解了。

小编爬取的是深圳二手车的数据，爬虫已写好，想要爬虫的小伙伴可以去获取，来看看小编爬取的结果：