Python反反爬教科书级别教程：汽车之家，字体反爬解密！

Python反反爬实战：汽车之家字体反爬解密

最新推荐文章于 2022-03-16 15:32:10 发布

原创

最新推荐文章于 2022-03-16 15:32:10 发布 · 1.4k 阅读

21 ·

CC 4.0 BY-SA版权

文章标签：

#python #python爬虫 #网络爬虫 #python编程 #编程语言

本文介绍了如何应对汽车之家网站的字体反爬策略，通过解析HTML源码、提取关键信息、解密混淆数据以及使用Selenium进行替换操作，成功爬取并还原汽车参数配置。详细讲解了整个过程，包括找到CSS3关键数据、使用正则表达式匹配、JS源码分析及数据替换，最终实现数据入库。

说说这个网站

汽车之家，反爬神一般的存在，字体反爬的鼻祖网站，这个网站的开发团队，一定擅长前端吧，2019年4月19日开始写这篇博客，不保证这个代码可以存活到月底，希望后来爬虫coder，继续和汽车之间对抗。

优快云上关于汽车之家的反爬文章千千万万了，但是爬虫就是这点有意思，这一刻写完，下一刻还能不能用就不知道了，所以可以一直不断有人写下去。希望今天的博客能帮你学会一个反爬技巧。

今天要爬去的网页

car.autohome.com.cn/config/seri… 我们要做的就是爬取汽车参数配置

具体的数据如下

在这里插入图片描述

查看页面源代码发现，一个好玩的事情，源代码中使用了大量的CSS3的语法下图，我标注的部分就是关键的一些数据了，大概在600行之后。

在这里插入图片描述

反爬措施展示

源文件数据

刹车/<span class='hs_kw86_baikeIl'></span>安全系统
复制代码

页面显示数据

在这里插入图片描述

一些关键数据被处理过了。

爬取关键信息

我们要把源代码中的关键信息先获取到，即使他数据是存在反爬的。获取数据是非常简单的。通过request模块即可

def get_html():
    url = "https://car.autohome.com.cn/config/series/59.html#pvareaid=3454437"
    headers = {
        "User-agent": "你的浏览器UA"
    }
    with requests.get(url=url, headers=headers, timeout=3) as res:
        html = res.content.decode("utf-8")
    
    return html
复制代码