[[403934]]

 大家好，我是辰哥

今天準(zhǔn)備爬取某某點(diǎn)評店鋪信息時(shí)，遇到了『字體』反爬。比如這樣的：

還有這樣的：

可以看到這些字體已經(jīng)被加密(反爬)

竟然遇到這種情況，那辰哥就帶大家如何去解決這類反爬(字體反爬類)

01網(wǎng)頁分析

在開始分析反爬之前，先簡單的介紹一下背景(爬取的網(wǎng)頁)

辰哥爬取的某某點(diǎn)評的店鋪信息。一開始查看網(wǎng)頁源碼是這樣的

這種什么也看不到，咱們換另一種方式：通過程序直接把整個(gè)網(wǎng)頁源代碼保存下來

獲取到的網(wǎng)頁源碼如下：

比如這里看到評論數(shù)(4位數(shù))都有對應(yīng)著一個(gè)編號(相同的數(shù)字編號相同)，應(yīng)該是對應(yīng)著網(wǎng)站的字體庫。

下一步，我們需要找到這個(gè)網(wǎng)站的字體庫。

02獲取字體庫

這里的字體庫建議在目標(biāo)網(wǎng)站里面去獲取，因?yàn)椴煌木W(wǎng)站的字體庫是不一樣，導(dǎo)致解碼還原的字體也會(huì)不一樣。

1、抓包獲取字體庫

在瀏覽器network里面可以看到一共有三種字體庫。(三種字體庫各有不同的妙用，后面會(huì)有解釋)

把字體庫鏈接復(fù)制在瀏覽器里面打開，就可以把字體庫下載到本地。

2、查看字體庫

這里使用FontCreator的工具查看字體庫。

下載地址：

https://www.high-logic.com/font-editor/fontcreator/download 

這里需要注冊，郵箱驗(yàn)證才能下載，不過辰哥已經(jīng)下載了，可以在公眾號回復(fù)：FC，獲取安裝包。

安裝之后，把剛剛下載的字體庫在FontCreator中打開

可以看到字體的內(nèi)容以及對應(yīng)的編號。

比如數(shù)字7對應(yīng)F399、數(shù)字8對應(yīng)F572 ，咱們在原網(wǎng)頁和源碼對比，是否如此???

可以看到，真是一模一樣對應(yīng)著解碼就可以還原字體。

3、為什么會(huì)有三個(gè)字體庫

在查看加密字體的CSS樣式時(shí)，方式有css內(nèi)容是這樣的

字體庫1：d35c3812.woff 對應(yīng)解碼class為 shopNum

字體庫2：084c9fff.woff 對應(yīng)解碼class為 reviewTag和address

字體庫3：73f5e6f3.woff 對應(yīng)解碼class為 tagName

也就是說，字體所屬的不同class標(biāo)簽，對應(yīng)的解密字體庫是不一樣的，辰哥這里不得不說一句：太雞賊了

咱們這里獲取的評論數(shù)，clas為shopNum，需要用到字體庫d35c3812.woff

03代碼實(shí)現(xiàn)解密

1、加載字體庫

既然我們已經(jīng)知道了字體反爬的原理，那么我們就可以開始編程實(shí)現(xiàn)解密還原。

加載字體庫的Python庫包是：fontTools ，安裝命令如下：

pip install fontTools 

將字體庫的內(nèi)容對應(yīng)關(guān)系保存為xml格式

code和name是一一對應(yīng)關(guān)系

可以看到網(wǎng)頁源碼中的編號后四位對應(yīng)著字體庫的編號。

因此我們可以建立應(yīng)該字體對應(yīng)集合

建立好映射關(guān)系好，到網(wǎng)頁源碼中去進(jìn)行替換

這樣我們就成功的將字體反爬處理完畢。后面提取內(nèi)容大家基本都沒問題。

2、完整代碼

輸出結(jié)果：

可以看到加密的數(shù)字全部都還原了。

04小結(jié)

辰哥在本文中主要講解了如此處理字體反爬問題，并以某某點(diǎn)評為例去實(shí)戰(zhàn)演示分析。辰哥在文中處理的數(shù)字類型，大家可以嘗試去試試中文如何解決。

本文轉(zhuǎn)載自微信公眾號「Python研究者」，可以通過以下二維碼關(guān)注。轉(zhuǎn)載本文請聯(lián)系Python研究者公眾號。