上一篇我介紹了破解58同城的字體反爬

https://blog.csdn.net/BigBoy_Coder/article/details/103239672

中間遺漏了幾個(gè)細(xì)節(jié)，在這邊文章我做一下補(bǔ)充：

遺漏點(diǎn)一：

并不是所有的字體文件格式都是.ttf格式的文件，這里我們要針對原網(wǎng)頁的，進(jìn)行判斷

怎么判斷呢？

比如：https://su.58.com/qztech/?右鍵查看源碼，

我們發(fā)現(xiàn)，文件的字體格式是woff形式的，所以這里我們把文件寫成.woff格式就好了?

那我們在進(jìn)入https://sz.58.com/chuzu/這個(gè)頁面。我們查看源碼

我們發(fā)現(xiàn)，文件的字體格式是ttf形式的，所以這里我們把文件寫成.ttf格式就好了??

遺漏點(diǎn)二：

?上一篇文章我們是在cmap，獲取字符編碼的，但并不是所有的都是這樣，貓眼是把編碼對象在glyf?

所以我們還是要靈活的去分析xml文件，

遺漏點(diǎn)三：

當(dāng)我們看到字體文件，每個(gè)字可以看到字形和字形編碼。

觀察現(xiàn)在箭頭指的地方和前面箭頭指的地方的數(shù)字是不是一樣啊，沒錯(cuò)，就是通過這種方法進(jìn)行映射的。

所以我們現(xiàn)在的思路似乎就是在源代碼里找到箭頭指的數(shù)字，然后再來字體里找到后替換就行了。

恭喜你，如果你也是這么想的，那你就掉坑里了。

因?yàn)槊看卧L問，字體字形是不變的，但字符的編碼確是變化的。因此，我們需要根據(jù)每次訪問，動態(tài)解析字體文件。

?

好了說完這兩個(gè)遺漏點(diǎn)之后，進(jìn)入到今天的主要內(nèi)容，手動構(gòu)建字體映射表：

由于 操作詳細(xì)步驟在上篇文章，都詳細(xì)做了介紹，在這篇文章只做分析過程

網(wǎng)頁地址：https://su.58.com/qztech/

步驟（1）：打開網(wǎng)頁把字體文件保存下載，并且轉(zhuǎn)換成xml格式

FontCreator打開58.woff文件:

重復(fù)步驟一：

打開58_2.woff文件：

對比兩個(gè)文件，我們發(fā)現(xiàn)

? ?

?

因?yàn)槊看卧L問，字體字形是不變的，但字符的編碼確是變化的。因此，我們需要根據(jù)每次訪問，動態(tài)解析字體文件。

?到這里我們想通過寫死字體哪種方式是不行了：

分析一下兩個(gè)字體文件的對應(yīng)的xml文件，搜索 “技”，對應(yīng)的編碼：

xml的格式如下：

文件很長，我只截取了一部分。

仔細(xì)的觀察一下，你會發(fā)現(xiàn)~這倆下面的x,y,on值都是一毛一樣的。所以我們的思路就是以一個(gè)已知的字體文件為基本，然后將獲取到的新的字體文件的每個(gè)文字對應(yīng)的x,y,on值進(jìn)行比較，如果相同，那么說明新的文字對就 可以在基礎(chǔ)字體那里找到對應(yīng)的文字，有點(diǎn)繞，下面舉個(gè)小例子。

假設(shè): “我” 在基本字體中的名為uni1，對應(yīng)的x=1,y=1,n=1新的字體文件中，一個(gè)名為uni2對應(yīng)的x，y, n分別于上面的相等，那么這個(gè)時(shí)候就可以確定uni2 對應(yīng)的文字為”我”。

查資料的時(shí)候，發(fā)現(xiàn)在特殊情況下，有時(shí)候兩個(gè)字體中的文字對應(yīng)的x,y不相等，但是差距都是在某一個(gè)閾值之內(nèi)，處理方法差不多，只不過上面是相等，這種情況下就是要比較一下。

分析到這我么就可一構(gòu)建字體映射表編寫代碼，爬取相關(guān)信息了

# coding=utf-8 import requests import re import time import lxml.html as H import base64 from fontTools.ttLib import TTFontdef get_data(url):headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36',}session = requests.session()con = session.get(url, headers=headers)doc = H.document_fromstring(con.content)font_data_origin = re.search(r'base64,(.*?)\)', con.text, re.S).group(1)font_data_after_decode = base64.b64decode(font_data_origin)new_font_name = "font_new.woff"with open(new_font_name, 'wb') as f:f.write(font_data_after_decode)map_data = tff_parse(new_font_name)names = doc.xpath('//span[@class="infocardName fl stonefont resumeName"]/text()')# 有的時(shí)候會找不到，可以多執(zhí)行幾次；if names:for name in names:print('name in page source', name)for j in map_data.keys():name = name.replace(j, map_data[j])print ('name actual', name)def tff_parse(font_parse_name):# 我這里的字體的順序，如果你的不同，一定要修改font_dict = [u'博', u'經(jīng)', u'碩', u'屆', u'大', u'劉', u'8', u'1', u'士', u'E', u'2', u'6', u'張',u'M', u'驗(yàn)', u'5', u'本', u'趙', u'陳', u'吳', u'李', u'生', u'4', u'校', u'以', u'應(yīng)', u'黃',u'技', u'無', u'女', u'A', u'周', u'中', u'3', u'王', u'7', u'0', u'9', u'科', u'高', u'男',u'楊', u'專', u'下', u'B']font_base = TTFont('font_base.ttf')font_base_order = font_base.getGlyphOrder()[1:]# font_base.saveXML('font_base.xml') 調(diào)試用font_parse = TTFont(font_parse_name)# font_parse.saveXML('font_parse_2.xml')調(diào)試用font_parse_order = font_parse.getGlyphOrder()[1:]f_base_flag = []for i in font_base_order:flags = font_base['glyf'][i].flagsf_base_flag.append(list(flags))f_flag = []for i in font_parse_order:flags = font_parse['glyf'][i].flagsf_flag.append(list(flags))result_dict = {}for a, i in enumerate(f_base_flag):for b, j in enumerate(f_flag):if comp(i, j):key = font_parse_order[b].replace('uni', '')key = eval(r'u"\u' + str(key) + '"').lower()result_dict[key] = font_dict[a]return result_dictdef comp(L1, L2):if len(L1) != len(L2):return 0for i in range(len(L2)):if L1[i] == L2[i]:passelse:return 0return 1if __name__ == '__main__':url = "https://su.58.com/qztech/"get_data(url)

反扒日系更新，以下兩篇文章，推薦看一看

https://www.freebuf.com/articles/web/206966.html

https://www.jianshu.com/p/4d28dd440cdd

?

總結(jié)

以上是生活随笔為你收集整理的python 破解字体反爬 （二）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。