字体反爬

很有意思的一个字体反爬,58同城的一个网页
(1)先看看网页,很容易找到样式中看到这样式,当你选中就是正常的,去掉就是乱码


1555143180(1).png
1555143269(1).png

(2)这一看就是这个原因了,字体文件,可以去network下面搜索font,很容易下载

F}3K8%%N9`M72R2B{MU$XD2.png

(3)关键是不仅仅只有一个字体库,它是动态的,也就是说当你打开这个网页,只会同步下载对应的字体文件。所以每一次请求网页的时候,都要去下载这个字体文件,也就是字体对应表。

import requests
from bs4 import BeautifulSoup
import re
from urllib.request import urlretrieve
from fontTools.ttLib import TTFont


def get_response():
    url = 'https://m.58.com/gz/qzyewu/pn1/?reform=pcfront'
    headers = {
        'authority': 'm.58.com',
        'method': 'GET',
        'path': '/gz/qzyewu/pn2/?reform=pcfront&PGTID=0d303353-0000-3f36-e12a-3e4c239050a4&ClickID=2&segment=true',
        'scheme': 'https',
        'accept': '*/*',
        'accept-encoding': 'gzip, deflate, br',
        'accept-language': 'zh-CN,zh;q=0.9',
        'cookie': 'f=n; id58=c5/njVw1zDFsj83TBA4MAg==; 58tj_uuid=10c6879a-760b-4754-afa1-0fb1f5b0fc12; als=0; __utma=253535702.1877351784.1547029555.1547029555.1548918015.2; __utmz=253535702.1548918015.2.2.utmcsr=baidu|utmccn=(organic)|utmcmd=organic; city=sh; 58home=sh; wmda_uuid=5bcd52e27e1ca928a262958ae23846fe; wmda_new_uuid=1; wmda_visited_projects=%3B2385390625025; xxzl_deviceid=kaWnkw7KX8T2RCmSUWyrSm0%2BRTaHxr7dklX5it5enKJyoVP3jXCTPPbcNlqeMk7p; sessionid=a63b2622-6788-4db5-bfaf-836bf3b60c74; device=m; new_uv=4; qz_gdt=; utm_source=; spm=; init_refer=; scancat=13139; Hm_lvt_35e5bfb064bb1db376f3263abb7cfe79=1555137939; m58comvp=t13v115.159.229.24; hasLaunchPage=%7Cl_searchjob_qzyewu%7C; launchFlag=1; Hm_lvt_fb84137acd0fd92ca74ea0f89f207b1f=1555137939; f=n; new_session=0; cookieshow_13139=11; ppStore_fingerprint=96D8AAFDAD9596640390B38637943FB0CF146BCB8CD892C3%EF%BC%BF1555138230467; Hm_lpvt_35e5bfb064bb1db376f3263abb7cfe79=1555138232; Hm_lpvt_fb84137acd0fd92ca74ea0f89f207b1f=1555138233; JSESSIONID=2D33CDB828683462B5850797534E140F',
        'referer': 'https://m.58.com/gz/qzyewu/pn1/?reform=pcfront&PGTID=0d303353-0000-3f36-e12a-3e4c239050a4&ClickID=2',
        'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.86 Safari/537.36',
        'x-requested-with': 'XMLHttpRequest'
    }
    response = requests.get(url, headers=headers)
    return response


# 解析字体文件 ,获取相应的字体映射关系
def parse_font():
    font1 = TTFont('58tc.woff')
    keys, values = [], []
    for k, v in font1.getBestCmap().items():
        if v.startswith('uni'):
            keys.append(eval("u'\\u{:x}".format(k) + "'"))
            values.append(chr(int(v[3:], 16)))
        else:
            keys.append("&#x{:x}".format(k))
            values.append(v)

    return keys, values


# 获取数据并对特殊字体转码
def get_data():
    # 获取内容
    response = get_response()
    # 获取woff文件
    font_url = re.findall(r'src:url\((.*?)\)', response.text, re.S)[0]
    urlretrieve(font_url, '58tc.woff')

    # 解析内容
    soup = BeautifulSoup(response.text, 'html.parser')
    data = soup.findAll('dt',class_='tit')
    for info in data:
        title = str(info.text).strip()
        keys, values = parse_font()
        for k, v in zip(keys, values):
            title = title.replace(k, v)
        print(title)

if __name__ == '__main__':
    get_data()

©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

推荐阅读更多精彩内容

  • 前些日子,爬取起点中文网的过程中,发现代码没有错,是根据书上的教程来的,结果爬下的小说字数不对,百思不得其解。百度...
    叶儿爱琵琶阅读 5,089评论 1 0
  • 了解消费者对广告软文的接受过程,明确推广概念主题:只有主题明确,才能有的放矢,达到预期的广告效应。必须要有新颖、富...
    侯工阅读 4,262评论 0 3
  • 宏扬正气压邪风, 廉耻礼仪需记明, 重教尊师无止境, 爱国守法有德行。 园丁本是亿人表, 咫尺讲台万事通。 志士仁...
    云逸1108阅读 2,701评论 0 1
  • 一个女人可以拥有幸福的秘诀就是做一个有“比较优势”的女人:我肯定不是最聪明的,也不是最有钱的,也不是最好看的,但是...
    心理咨询师陈祉含阅读 1,261评论 0 1