利用自定义web-font实现数据防采集

From：https://blog.csdn.net/fdipzone/article/details/68166388

完整源码：https://download.csdn.net/download/fdipzone/9798142

web-font介绍

web-font 是 CSS3中的一种标记 @font-face，
在 @font-face 声明里，你可以声明一种字体，指定这种字体字体库文件从网络某个地址下载。

具体写法如下：

@font-face {font-family: '字体名称';src:  url('http://www.example.com/字体名称.eot'); /* IE9 Compat Modes */src:  url('http://www.example.com/字体名称.eot?#iefix') format('embedded-opentype'), /* IE6-IE8 */url('http://www.example.com/字体名称.ttf') format('truetype'), /* Safari, Android, iOS */url('http://www.example.com/字体名称.woff') format('woff'),  /* Chrome 6+, Firefox 3.6+, IE 9+, Safari 5.1+ */url('http://www.example.com/字体名称.svg?#字体名称') format('svg'); /* Legacy iOS */
}

当网页数据需要使用特别的字体来修饰时，我们就可以使用web-font。因为使用web-font会自动从网络中加载字体，并不需要用户本机有安装这个字体。

使用自定义web-font实现数据防采集

防采集原理：
使用web-font可以从网络加载字体，因此我们可以自己创建一套字体，设置自定义的字符映射关系表。
例如设置0xaaa是映射字符1，0xbbb是映射字符2，以此类推。
当需要显示字符1时，网页的源码只会是0xaaa，被采集的也只会是0xaaa，并不是1，使采集者采集不到正确的数据。而对于正常访问的用户则没有影响。

对于中文的防采集不适合使用web-font这种方法，因为中文的字体库太大。而对于数字，英文则适合使用此方法实现防采集。

实例：使用自定义web-font实现数字数据防采集（例如股票，电影票房等数据）

1.创建指定字符的自定义字体

首先选择一款字体，为方便演示，选择系统自带的Arial字体。

ttf转svg

进入 https://everythingfonts.com/ttf-to-svg
上传ttf文件，将字体文件转为svg格式，另存为my_webfont.svg

选择需要使用的字符及设置字体映射关系

进入 https://icomoon.io/app/#/select
选择左上角 Import Icons 按钮，导入my_webfont.svg
导入后选择我们要使用的字符，本例只需要选择0-9，然后点击右下角 Generate Font 按钮

设置字符映射
Arial字体字符映射关系(字符与16进制)

0 => 30
1 => 31
2 => 32
3 => 33
4 => 34
5 => 35
6 => 36
7 => 37
8 => 38
9 => 39

我们这里修改映射关系，可以尽量复杂一点且没有规律，使不容易猜出。

例如把映射关系设置为

0 => e1f2
1 => efab
2 => eba3
3 => ecfa
4 => edfd
5 => effa
6 => ef3a
7 => e6f5
8 => ecb2
9 => e8ae

并把名字也按映射关系修改，设置映射关系后，点击右下角download下载字体。

把下载的字体文件全部命名为my_webfont.*

2.在网页中使用web-font显示数据

首先需要设置 @font-face

@font-face {font-family: 'my_webfont';src:  url('fonts/my_webfont.eot?fdipzone');src:  url('fonts/my_webfont.eot?fdipzone#iefix') format('embedded-opentype'),url('fonts/my_webfont.ttf?fdipzone') format('truetype'),url('fonts/my_webfont.woff?fdipzone') format('woff'),url('fonts/my_webfont.svg?fdipzone#my_webfont') format('svg');
}

然后需要定义一个css的class，font-family使用这个web-font

.my_webfont{font-family: my_webfont !important;-webkit-font-smoothing: antialiased;-moz-osx-font-smoothing: grayscale;
}

在需要显示这种数据的地方，填入数据，且容器的class定义为my_webfont

<p class="my_webfont">&#xefab</p>

这样就可以显示字符1了。

3.完整的实例代码

<?php
// 字体映射关系
function get_font_num($num){$result = '';$font_map = array(0 => 'e1f2',1 => 'efab',2 => 'eba3',3 => 'ecfa',4 => 'edfd',5 => 'effa',6 => 'ef3a',7 => 'e6f5',8 => 'ecb2',9 => 'e8ae');for($i=0,$len=strlen($num); $i<$len; $i++){$n = substr($num, $i, 1);if(is_numeric($n)){$result .= '&#x'.$font_map[$n].';';}else{$result .= $n;}}return $result;
}$data = array(array('金刚：骷髅岛', 4921.98, 5),array('美女与野兽', 971.36, 12),array('欢乐喜剧人', 590.27, 5),array('一条狗的使命', 389.76, 26),array('领袖1935', 271.27, 1),
);?>
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd">
<html><head><meta http-equiv="content-type" content="text/html;charset=utf-8"><title>利用自定义web-font实现数据防采集</title><style type="text/css">@font-face {font-family: 'my_webfont';src:  url('fonts/my_webfont.eot?fdipzone');src:  url('fonts/my_webfont.eot?fdipzone#iefix') format('embedded-opentype'),url('fonts/my_webfont.ttf?fdipzone') format('truetype'),url('fonts/my_webfont.woff?fdipzone') format('woff'),url('fonts/my_webfont.svg?fdipzone#my_webfont') format('svg');font-weight: normal;font-style: normal;}.my_webfont{font-family: my_webfont !important;-webkit-font-smoothing: antialiased;-moz-osx-font-smoothing: grayscale;}td{padding: 0px 5px 0px 5px;text-align: center;}.left{text-align: left;}</style></head><body><table><tr><td>排名</td><td>片名</td><td>实时票房(万)</td><td>上映天数</td></tr>
<?phpfor($i=0,$len=count($data); $i<$len; $i++){echo '<tr>'.PHP_EOL;echo '<td>'.($i+1).'</td>'.PHP_EOL;echo '<td class="left">'.$data[$i][0].'</td>'.PHP_EOL;echo '<td class="my_webfont">'.get_font_num($data[$i][1]).'</td>'.PHP_EOL;echo '<td class="my_webfont">'.get_font_num($data[$i][2]).'天</td>'.PHP_EOL;echo '</tr>'.PHP_EOL;}
?></table></body>
</html>

在浏览器访问可以看到正常的数据

但html源码实际上是

<tr>
<td>1</td>
<td class="left">金刚：骷髅岛</td>
<td class="my_webfont">&#xedfd;&#xe8ae;&#xeba3;&#xefab;.&#xe8ae;&#xecb2;</td>
<td class="my_webfont">&#xeffa;天</td>
</tr>

采集者只能获取到类似&#x edfd;的数据，并不能知道&#x edfd;映射的字符是什么，实现了数据防采集。

当然采集者可以通过分析，知道每一个映射代表的意思，从而进行采集后转换处理。
我们可以创建多个不同的字体文件和映射表。每次访问都随机使用一种，并定期更新一批字体文件和映射表，加大采集的难度。
这样采集者需要把所有的字体文件和映射表都分析并做转换处理，才可能采集到数据，这样采集的成本将会大大增加。