字体反爬也就是自定义字体反爬，通过调用自定义的woff文件来渲染网页中的文字，而网页中的文字不再是文字，而是相应的字体编码，通过复制或者简单的采集是无法采集到编码后的文字内容！
1.思路
近期在爬取天眼查某公司详情页遇到了字体反爬，经过多次测试，终于解决了字体反爬
首先我们来看一下字体反爬
此图可以看出源代码数字跟页面显示的内容是不一样的，在调试器中看到它有一个类tyc-num
此图可以看出类tyc-num存放的是一个字体，通过network获取这个字体
此图可以看出正常的字体数字是1234567890而现在显示的是7540129863它是顺序打乱的，把tyc-num.woff下载过来，下载过来之后发现windows是查看不了的，我用的是在线工具查看
此图可以发现索引2对应的是4，说明第4个数字是0，通过Python对woff转换成xml
from fontTools.ttLib import TTFont font = TTFont('tyc-num.woff') font.saveXML('tyc-num.xml')
查看xml文件
此图发现id2对应是4跟在线查看器是一样的，那就找到了对应关系
2.代码实现
安装 fontTools
pip install fontTools
上代码
#!/usr/bin/env python # -*- coding:utf-8 -*- from fontTools.ttLib import TTFont import re font = TTFont('tyc-num.woff') # 打开tyc-num.wofffont.saveXML('tyc-num.xml') # 保存为tyc-num.xmlwith open('tyc-num.xml', 'r') as f: xml = f.read() # 读取tyc-num.xml赋值给xmlGlyphID = re.findall(r'<GlyphID id="(.*?)" name="(\d+)"/>', xml) # 获得对应关系DigitalDicts = {str(i): str(i - 2) for i in range(2, 12)} # 数字对应关系的字典推导式GlyphIDDicts = {str(Gname): DigitalDicts[Gid] for Gid, Gname in GlyphID} # 通过数字对应关系生成源代码跟页面显示的字典推导式print('-' * 39 + '数字对应关系的字典推导式' + '-' * 39) print(DigitalDicts) print('-' * 27 + '通过数字对应关系生成源代码跟页面显示的字典推导式' + '-' * 27) print(GlyphIDDicts)
https://www.cnblogs.com/Python-XiaCaiP/p/10297698.html
