字体加密反爬虫通用解决方案（Python版本）

已于 2024-04-08 10:54:06 修改
阅读量2.3k 收藏 58
点赞数 57
分类专栏： 深耕爬虫领域 文章标签： ocr 字体加密 计算机视觉
于 2024-03-01 09:00:00 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qiulin_wu/article/details/136343236
版权
本文介绍了一种针对字体加密的反爬虫通用解决方案，通过分析页面、理解字符知识，利用Python和fontTools库解析动态字体文件，结合OCR技术还原加密文字。详细步骤包括字体文件下载、码点解析、加密文字识别等，最终成功恢复加密内容。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

文章目录

【🏠作者主页】：吴秋霖
【💼作者介绍】：擅长爬虫与JS加密逆向分析！Python领域优质创作者、优快云博客专家、阿里云博客专家、华为云享专家。一路走来长期坚守并致力于Python与爬虫领域研究与开发工作！
【🌟作者推荐】：对爬虫领域以及JS逆向分析感兴趣的朋友可以关注《爬虫JS逆向实战》《深耕爬虫领域》
未来作者会持续更新所用到、学到、看到的技术知识！包括但不限于：各类验证码突防、爬虫APP与JS逆向分析、RPA自动化、分布式爬虫、Python领域等相关文章

1. 写在前面

  目前市面上有不少的网站使用了字体加密技术，像一些重要的数字内容使用字体加密很常见！从早期的静态固定字体文件随着不断的对抗演进到目前的动态字体文件，从PC端的应用到目前APP页面的普及使

了解本专栏 订阅专栏 解锁全文
Python爬虫-破解字体加密技术
Python进阶专栏《爬虫实战进阶》，《Pyppeteer从入门到精通》原创作者
02-23 1352
本文是该专栏的第77篇，后面会持续分享python爬虫干货知识。字体加密是一种常见的反爬虫技术，通过自定义字体文件和字符映射来保护网页内容，防止爬虫直接获取文本信息。而本文，笔者将针对“如何解决目标平台的字体加密技术，并获取目标数据”，进行详细介绍一种“通用型字体反爬策略”。废话不多说，具体细节部分以及详细思路逻辑，笔者将在正文结合完整代码进行详细说明。（附带完整代码）
【爬虫与反爬虫对抗】从爬虫防护手段与原理深度分析
吴秋霖的博客
11-09 8238
多年爬虫领域老工程师深度总结反爬虫技术原理与场景，带你快速了解并掌握反爬虫技术栈知识
pyhton爬虫（简单过字体加密）
qq_45664532的博客
05-15 786
1. 找到反爬内容确定字体存放位置 定位到正则匹配 import re from fontTools.ttLib import TTFont import requests headers = { "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.4951.54 Safari/537.36 Edg/101.0.1210.39
python 爬虫遇到字体加密解决方案(woff2) ddddocr + 百度ocr 文字识别
huagangwang的专栏
09-14 4497
爬虫遇到字体加密，字体解密。ddddocr + 百度ocr 文字识别
python-爬虫-字体加密
叽里呱啦的一大摊，人生太艰难.
03-01 2348
读取文件找到里面的对应关系,就是 你这个数字的格式 是存储在.ttf文件里的.具体网址格式就是这样的但是为了安全起见,我就这样打码了.这上面进行申明了告诉了我们这个是字体。为什么用webdriver,因为。,然后就是那下来然后生成文件.
爬虫从入门到精通(21) |字体加密通杀方案
不愿意透露姓名的网友
11-30 3857
字体加密是页面和前端字体文件想配合完成的一个反爬策略。通过css对其中一些重要数据进行加密，使我们在代码获取的和在页面上看到的数据是不同的。前端人员通过使用font-face来达到这个目的，font-face是CSS3中的一个模块，他主要是把自己定义的Web字体嵌入到你的网页中。而font-face# 定义字体的名称。# 定义该字体下载的网址，包括ttf,eof,woff格式等我们要打开我们抓包一个字体文件，在Font那一列，复制这个url到浏览器就可以下载下来。
从头学习爬虫（四十五）高阶篇----字体加密
qq_36783371的博客
08-06 636
本文主要帮助解决字体加密的反爬虫策略 一 需求 https://www.china.cn/buy/4432149572.html 二 分析请求 页面展示 显然是字体进行了加密，然后打开字体和其他看看有没有加载字体的资源文件，发现没有。 看响应内容 可以发现一个base64的字体文件。 三 实操 首先把base64转成文件 //BASE64解码成File...
字体加密反爬虫通用解决方案（Python 版本）
最新发布
数据精灵喵
12-27 1448
这些字体的字符形状与常规字体截然不同，即使爬虫抓取到了页面 HTML 代码中的文本内容，由于不认识这些特殊字体，也无法直接提取有价值的信息。例如，在一些电商价格页面，价格数字使用自定义字体，正常用户看到的是熟悉的阿拉伯数字，而爬虫获取到的可能是一堆乱码符号。例如，统计抓取文本中乱码字符的比例，若超过一定阈值（如 10%），就判定可能字体加密有更新。：用简单的爬虫代码尝试抓取网页文本，若抓取到的内容与肉眼在页面上看到的明显不符，比如抓取到的价格是乱码，而页面显示正常价格，那就基本能确定存在字体加密。
「Python爬虫」：破解网站字体加密和反反爬虫
梦子微信
08-02 3252
前言：字体反爬，也是一种常见的反爬技术，例如58同城，猫眼电影票房，汽车之家，天眼查，实习僧等网站。这些网站采用了自定义的字体文件，在浏览器上正常显示，但是爬虫抓取下来的数据要么就是乱码，要么就是变成其他字符，是因为他们采用自定义字体文件，通过在线加载来引用样式，这是CSS3的新特性，通过 CSS3，web 设计师可以使用他们喜欢的任意字体 ，然后因为爬虫不会主动加载在线的字体， 字体加密一般是网页修改了默认的字符编码集，在网页上加载他们自己定义的字体文件作为字体的样式，可以正确地显示数字，但是在源码上同
Kettle入门操作处理excel数据
July的博客
09-19 3745
kettle入门操作一：实现对excel表格转换 实验要求： 用Kettle完成下列实验，结果存储到MySql(或者CSV) 已知excel文件，包含列（姓名，年龄，身份证号码，性别，挂号日期时间，门诊号），数据若干(自己模拟) 生成数据1，包含列（日，性别，儿童/青年/中年/老年,人次），儿童/青年/中年/老年的年龄段自己定义 生成数据2，包含列（省份，hour,人次） 生成数据一转换流程图如图所示 excel输入模块 选择excel文件，并添加，然后获取工作表，获取来自头部数
爬虫 解析 加密字体 例子58 同城
DzzzzzZzzzz的博客
10-28 3560
一些网站 会将部分内容进行加密，防止爬虫简单的获取到信息 最近 在爬取58同城的品牌公寓时 遇到租房信息里的价格 爬下来是看不懂的字体 一些数据在浏览器里面显示是正常的, 但是渲染前和渲染后的html源码都看不到字体, 渲染前看到的是16进制的4位字符, 渲染后看到的是一些方块. 然后分析了一下网站的源码，发现他是由base64 加密之后生成的字体 那我们就可以通过正则匹配出来进行处理 首先在...
python爬虫解决字体加密问题
不会算法的小白的博客
08-08 1974
代码的主要思路是，先下载一个woff文件，转化成xml，然后找到标签，使用flags方法获取中每个字体的on属性，将on属性的b'\x01'进行替换成空字符串，只留下b'\x00'更能提高准确性，声明一个字典，将字体和on属性进行key-value映射，制定一套模板，后续请求的woff文件进行循环遍历字体的Unicode，和模板中的on属性进行比对，找到对应的字体。name里面的是字体的Unicode，x、y表示字体通过哪些坐标绘画成的，on的内容表示画的黑线还是白线。
Python爬虫之解决字体加密问题！字体加密确实难！
爬遍所有网站
08-10 2960
有些网站为了反爬，对网页中的一些数据进行了字体加密，用户浏览网页时显示的是正常的，但是爬取网页源代码时，却是乱码。 原因 页面在css中使用font-face定义了字符集，并通过unicode去映射展示，浏览器会加载css中的font字体为用户渲染好，所以浏览页面时是正常的，而对于爬虫来说却极其不友好，因为爬取下来的源代码未经过浏览器渲染，都是乱码。 解决办法 1. 查找到页面中的加密字体 font_face,常见的有两种情况 1.最简单的，直接在页面源码中搜索font_face,如果能找到类似如
最新版的破解字体加密方法！学会了就没有你不能爬的网站！
weixin_52994140的博客
09-25 1555
前言 最近看到一些博主在讲解加密字体的破解方式，大体的解决方式是分析网页源代码，通过请求查看自定义字体，然后经过数据抓取完成需求。 这个方法确实很不错，但是对于我这种不太会爬虫的小白来说就与一些超纲了。另外这种爬虫在一定程度上可能会造成律师函警告，为此本次将向大家展示另一种全新的获取数据方式，对爬取的网站不起到任何“破解”行为。 ​ 1、需求分析 获取某某网站火锅主页的商户评价数据信息，如下图绿色箭头所示： ​ 我们通过F12查看一下评价数据： ​ 可以看出这个数据是被...
【基础】【Python网络爬虫】【11.字体反扒】认识字体、字体加密（附大量案例代码）（建议收藏）
weixin_43612602的博客
01-01 3250
字体反扒 1. 认识字体 字体概述 2. 处理字体 3. 练习案例 - 某小说网址字体解密 3.1 请求数据 - 发现问题 3.2 下载字体文件 3.3 解析字体文件 3.4 替换字体 4. 字符串形式字体文件 4.1 请求数据 - 发现乱码 4.2 下载字体 4.3 解析字体 4.4 替换数据 5. 字体加密 5.1 请求数据 - 发现偏移量 5.2 构建字体映射规则 5.3 替换字体 5.4 多套字体
爬虫-------字体反爬
yanminghe66666的博客
11-05 2015
爬虫-------字体反爬
python爬虫进阶-突破字体反爬虫
weixin_45042620的博客
04-30 676
目标：爬取论坛上的整篇文章，如下图所示： 网址：https://club.autohome.com.cn/bbs/thread/1f05b4da4448439b/76044817-1.html#%23%23 问题描述： 1）如下图所示，审查元素中一句话被拆分成好几段，而且个别文字被神秘符号代替了，比如【人生中的】的“的”，和【第一台】中的“一”， 在审查元素中搜索“font-face”，“ur...
评论 25
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

吴秋霖

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值