我去！爬蟲遇到字體反爬，哭了

• 2021 年 6 月 7 日
• 筆記

今天準備爬取某某點評店鋪資訊時，遇到了『字體』反爬。比如這樣的：

還有這樣的：

可以看到這些字體已經被加密（反爬）

竟然遇到這種情況，那辰哥就帶大家如何去解決這類反爬（字體反爬類）

01 網頁分析

在開始分析反爬之前，先簡單的介紹一下背景（爬取的網頁）

辰哥爬取的某某點評的店鋪資訊。一開始查看網頁源碼是這樣的

這種什麼也看不到，咱們換另一種方式：通過程式直接把整個網頁源程式碼保存下來

獲取到的網頁源碼如下：

比如這裡看到評論數（4位數）都有對應著一個編號（相同的數字編號相同），應該是對應著網站的字體庫。

下一步，我們需要找到這個網站的字體庫。

02 獲取字體庫

這裡的字體庫建議在目標網站裡面去獲取，因為不同的網站的字體庫是不一樣，導致解碼還原的字體也會不一樣。

1、抓包獲取字體庫

在瀏覽器network裡面可以看到一共有三種字體庫。（三種字體庫各有不同的妙用，後面會有解釋）

把字體庫鏈接複製在瀏覽器裡面打開，就可以把字體庫下載到本地。

2、查看字體庫

這裡使用FontCreator的工具查看字體庫。

下載地址：

//www.high-logic.com/font-editor/fontcreator/download

這裡需要註冊，郵箱驗證才能下載，不過辰哥已經下載了，可以在公眾號回復：FC，獲取安裝包。

安裝之後，把剛剛下載的字體庫在FontCreator中打開

可以看到字體的內容以及對應的編號。

比如數字7對應F399、數字8對應F572 ，咱們在原網頁和源碼對比，是否如此？？？

可以看到，真是一模一樣對應著解碼就可以還原字體。

3、為什麼會有三個字體庫

在查看加密字體的CSS樣式時，方式有css內容是這樣的

字體庫1：d35c3812.woff 對應解碼class為 shopNum

字體庫2：084c9fff.woff 對應解碼class為 reviewTag和address

字體庫3：73f5e6f3.woff  對應解碼class為 tagName

也就是說，字體所屬的不同class標籤，對應的解密字體庫是不一樣的，辰哥這裡不得不說一句：太雞賊了

咱們這裡獲取的評論數，clas為shopNum，需要用到字體庫d35c3812.woff

03 程式碼實現解密

1、載入字體庫

既然我們已經知道了字體反爬的原理，那麼我們就可以開始編程實現解密還原。

載入字體庫的Python庫包是：fontTools ，安裝命令如下：

pip install fontTools

將字體庫的內容對應關係保存為xml格式

code和name是一一對應關係

可以看到網頁源碼中的編號後四位對應著字體庫的編號。

因此我們可以建立應該字體對應集合

建立好映射關係好，到網頁源碼中去進行替換

這樣我們就成功的將字體反爬處理完畢。後面提取內容大家基本都沒問題。

2、完整程式碼

輸出結果：

可以看到加密的數字全部都還原了。

04 小結

辰哥在本文中主要講解了如此處理字體反爬問題，並以某某點評為例去實戰演示分析。辰哥在文中處理的數字類型，大家可以嘗試去試試中文如何解決。

為了大家方便學習，辰哥已經把本文的完整源碼上傳，需要的在公眾後台回復：字體反爬

不明白的地方可以在下方留言，一起交流。