抖音字体反爬

最新推荐文章于 2024-10-09 00:15:00 发布

虫之吻

最新推荐文章于 2024-10-09 00:15:00 发布

阅读量1.1k

点赞数 1

分类专栏： python爬虫文章标签：字体反爬 Python爬虫

本文链接：https://blog.youkuaiyun.com/weizhen11/article/details/102489412

版权

什么是字体反爬？

所谓的字体反爬就是网站一些关键字替换成自己设计的字体，这样用浏览器访问网站的时候会加载这套字体，因此在浏览器中显示是正常的字体；而在源码中这些关键字是乱码的，根本无法识别，采集下来是无用的信息

使用字体反爬的例子：抖音、大众点评、58等，如下是抖音的

解决字体反爬，以抖音为例

步骤：

1 提取抖音个人主页链接

个人主页—>右上角—>分享—>复制链接，在浏览器打开

示例：
https://www.iesdouyin.com/share/user/76725372134

提取一小段源代码：

<span class="num">    
<i class="icon iconfont follow-num"> &#xe611; </i>
<i class="icon iconfont follow-num"> &#xe60c; </i>
<i class="icon iconfont follow-num"> &#xe60d; </i>
<i class="icon iconfont follow-num"> &#xe60e; </i>.
<i class="icon iconfont follow-num"> &#xe613; </i>w 
</span>
<span class="text">粉丝</span>

2 找出字体

既然网站加载了字体，那么我们可以通过抓包找出它

将这个字体改名：dy.woff

3 用字体软件FontCreator打开这个字体文件

下载FontCreator，然后打开字体，或者使用百度在线字体编辑器也可以

百度字体编辑器：http://fontstore.baidu.com/static/editor/

如下：看看这个字体是如何映射的？

比如显示数字3，映射关系 3–>num_2—>$E604或$E611或$E61A—>或或

4 解决方法:

笨办法:手动用字典多对一，然后替换掉，这适合比较少的字体
用Python工具 fontTools 来映射，用pip安装

这个工具可以把字体文件转换成xml文件，这样就可以看到映射关系,如下：

from fontTools.ttLib import TTFont

font = TTFont('dy.woff')
font.saveXML('dy.xml')

with open('dy.xml', 'r') as f:
    reader = f.read()

print(reader)

提取xml文件中的cmap字段，cmap是映射表，如下：

<cmap>
    <tableVersion version="0"/>
    <cmap_format_4 platformID="0" platEncID="3" language="0">
      <map code="0x78" name="x"/><!-- LATIN SMALL LETTER X -->
      <map code="0xe602" name="num_"/><!-- ???? -->
      <map code="0xe603" name="num_1"/><!-- ???? -->
      <map code="0xe604" name="num_2"/><!-- ???? <

最低0.47元/天解锁文章