爬虫 | 五八字体反爬
共 1043字，需浏览 3分钟
· 2020-03-12
作者丨木下瞳来源丨木下学Python
前言
58二手车：
https://sz.58.com/ershouche/pn2/?PGTID=0d100000-0000-4e81-5801-e3cfbaae2802&ClickID=120
小编想爬一爬58同城的二手车，了解一下，爬取过程中在二手车的信息详情页，发现交易价的数字是加密过的：
我们来看一看怎么获取正确的数字。
字体文件获取
查看源代码发现，源代码里面返回的和我们右键检查的不一样：
这是因为现实源代码里的数字加密了后，渲染到前端，以那些牛鬼蛇神的样子出现的。
字体加密，就会涉及到字体文件，字体文件后缀一般为 woff，ttf，我们在源代码里面搜索，由于太长，分两张图：
可以看到，这就是字体文件的链接内容，我们需要得到字体文件内容。
在这里看到了 base64，说明它后面这一串，也就是两个箭头之间的字符串的 base64 编码过的，这些字符串就是字体映射的内容。
src:url 后面一直到第二个箭头这段字符串是一个 url，访问这个链接，就会下载字体文件，由于 58 每一页的字体映射都不一样，这样每次请求会增加网络请求的时间。
所以我们采取 base64 解码，把两个箭头之间的字符串解码，解码的结果是二进制的，写入文件，后缀为 woff：
这样我们就获得了字体文件。
字体映射
由于我们不经过字体破解，直接爬取源代码得到的字体是：
驋閏.齤
这样的形式，我们就以这个来说明怎么转为正确的数字。
我们得到的字体文件，可以用 fontTools 库打开，我们需要另存为 xml 文件，这样是方便打开 xml 文件分析映射：
打开 xml 文件，有两个重要的部分：
驋 我们来看，&# 对应 code 属性的 0
0x9a4b 对应 name 属性的 glyph00003
name 的值为 glyph00003 对应的 id 属性为 3
由于是从上往下是从 1 开始，所以需要减一，才是映射的数字
可以通过 xml 库读取 xml 文件来进行字体映射转换：
我们看看是否对应上了：
这样我们字体反爬就破解了。
小编爬取的是深圳二手车的数据，爬虫已写好，想要爬虫的小伙伴可以去获取，来看看小编爬取的结果：
近期精彩内容推荐：
在看点这里
好文分享给更多人↓↓