什么是字体反爬

就是网页的制作者，他在发布他网页数据的时候。将其中一部分的字体变成乱码。即使你把网页的数据爬取下来，你也获取不到真实数据的样貌。这样就达到了一个反爬虫的目的。

如何解决字体反爬

1.下载.ttf文件；

2.将.ttf文件转换成xml文件；

3.分析字体规律找到映射关系。

就是找到字体文件，发现替换关系，将爬取下来的数据替换的过程。

如何找到字体文件

1.定位到进行了字体反爬的位置，在对应的styles里面找到font-family；

2.复制font-family里面的值，去网页源码里面搜索；

3.在搜索结果的附近，找到 xxx.ttf 这样的url进行下载；

4.把下载好的 ttf文件用High-Logic FontCreator打开；

5.用python查看ttf文件

from fontTools.ttLib import TTFont
from lxml import etree
from tools import get_js
import requestssz = TTFont('szec.ttf')
# 加载字体文件 保存成xml格式的文件
# 我们发现通过字体软件打开的里面 能够看到name和code-points属性
# 通过python保存的xml文件中的cmap标签中 能看到name和code属性
# 两者之间包含某种对应关系
# sz.saveXML('sz.xml')# print(sz.getBestCmap())

6.找到所对应的关系，将爬取的数据替换。

7.当需要识别图片的时候，对于简单的图片可以使用tesseract，复杂的使用打码平台。

练习网站：

闪职——首页 (spbeen.com)

Python爬虫编程12——字体反爬相关推荐

Python爬虫六：字体反爬处理（猫眼+汽车之家）-2018.10
环境:Windows7 +Python3.6+Pycharm2017 目标:猫眼电影票房.汽车之家字体反爬的处理 ---全部文章: 京东爬虫 .链家爬虫.美团爬虫.微信公众号爬虫.字体反爬.Djang ...
Python爬虫编程11——JS反爬
环境搭建安装node.js 下载网站:Download | Node.jshttps://nodejs.org/en/download/ 参考网站:Node.js安装与环境配置_各自安好.的博客-C ...
Python爬虫：猫眼电影反爬—动态字体处理（2020）
2020年5月25日更新,在爬了几百条后发现,有少部分数据会出错,出错概率很小.目前推测其原因是因为欧氏距离在对于(-1,0)和(0,1)这种数据计算结果差异不大的原因.有精度需求的建议改用别的距离计 ...
Python爬虫入门教程 64-100 反爬教科书级别的网站-汽车之家，字体反爬之二
文章目录说说这个网站今天要爬去的网页反爬措施展示爬取关键信息找关键因素处理汽车参数关键字破解入库操作小扩展:格式化JS 思路汇总关注公众账号说说这个网站汽车之家,反爬神一般的存 ...
一次Python爬虫实战，解决反爬问题！
人生苦短,快学Python! 随着互联网的发展,Python的崛起,很多网站经常被外面的爬虫程序骚扰,有什么方法可以阻止爬虫吗? 阻止爬虫也就称之为反爬虫,反爬虫涉及到的技术比较综合,说简单也简单,说 ...
Python爬虫：常见的反爬
常见的反爬爬虫流程确定爬虫对象(爬哪个网页的数据) 找接口有接口:直接对接口发送请求成功(直接json解析) 失败就进入下一步没有接口,直接进入下一步用requests直接对网页地址发送请 ...
python读取ttf_python解析字体反爬
爬取一些网站的信息时,偶尔会碰到这样一种情况:网页浏览显示是正常的,用python爬取下来是乱码,F12用开发者模式查看网页源代码也是乱码.这种一般是网站设置了字体反爬一.58同城用谷歌浏览器打开 ...
爬虫人人车字体反爬分析（含源码）
严重声明:本文仅用于学习交流,不得用于商业用途,同时希望大家遵循robots协议,维护网络和谐. 本猿最近在逛一些网站的时间.在打开浏览器的f12查看人家前端代码咋写的时候,经常会发现就是页面上显示的 ...
爬虫逆向之字体反爬（二）、镀金的天空-字体反爬-2
趁热打铁来写字体反爬的第二篇,首先是题目网页上显示的不是常规的数字,源码里面也是一些汉字虽然看上去很乱,但是仔细观察还是能发现一些规律,比如:长对应 2,思对应 1 所以这里的解题思路,也是先找 ...

Python爬虫编程12——字体反爬

什么是字体反爬

如何解决字体反爬

如何找到字体文件

Python爬虫编程12——字体反爬相关推荐

最新文章

热门文章