中文起点，Python 字体反爬实战案例，再一篇~
中文起点，Python 字体反爬实战案例，再一篇~
梦想橡皮擦
发布于 2022-05-26 15:33:55
发布于 2022-05-26 15:33:55
📢📢📢📢📢📢 💗 你正在阅读 【梦想橡皮擦】 的博客 👍 阅读完毕，可以点点小手赞一下 🌻 发现错误，直接评论区中指正吧 📆 橡皮擦的第 665 篇原创博客
⛳️ 起点 实战场景
本次采集的案例是点起中文，你可以随机打开一本目标书籍，检查一下网络请求中是否存在字体文件响应数据。
https://book.qidian.com/info/2952453/#Catalog字体加密位置呈现的效果如下图所示。
在这里插入图片描述
编写网页爬取代码，查看其字体位置使用的编码。
import requests
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/100.0.4896.127 Safari/537.36",
"Origin": 'https://book.qidian.com',
"referer": "https://book.qidian.com"
}
response = requests.get(url='https://book.qidian.com/info/2952453/',headers=headers)
response.encoding = 'utf-8'
print(response.text[:20000])截取源码部分，查看编码内容。
在这里插入图片描述
同时下载本页面的字体文件，用工具打开之后，发现字体编码图形顺序没有什么变化，这对于后续我们解决反爬就变得非常简单了。
在这里插入图片描述
接下来读取和解构一下这个字体文件，在其中找到能用的数据。
from fontTools.ttLib import TTFont
import io
file_woff = './fonts/YOfzYtjr.woff'
with open(file_woff, 'rb') as font_file:
font = TTFont(io.BytesIO(font_file.read())) # 转换成字体对象
#字体映射关系
font_cmap = font['cmap'].getBestCmap()
print(font_cmap)输出的信息为：
{100418: 'two', 100420: 'seven', 100421: 'five', 100422: 'nine', 100423: 'six', 100424: 'three', 100425: 'four', 100426: 'zero', 100427: 'one', 100428: 'period', 100429: 'eight'}接下来在回头去看一下刚才字体反爬位置的特殊字符与字体编码。 网页特殊字符
𘞱𘞯𘞴𘞲𘞱𘞭字体编码
{100269: 'nine', 100271: 'five', 100272: 'three', 100273: 'six', 100274: 'period', 100275: 'one', 100276: 'eight', 100277: 'two', 100278: 'four', 100279: 'seven', 100280: 'zero'}得到最终的结果。
𘞱 -> 6
本文参与 腾讯云自媒体分享计划，分享自作者个人站点/博客。
原始发表：2022-05-20，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
目录