在爬取网站时，部分网站是设置了字体反爬的，即我们肉眼看到的数据(譬如：1234)和网页源码上显示的数据(譬如：鑶鸺龤)并不一致。

这个，其实是因为网页采用了 CSS3 的 @font-face模块自定义字体文件导致的。

@font-face是 CSS3 中的一个模块，作用是把自定义的 Web 字体嵌入到网页中。

@font-face 语法规则：

@font-face {

font-family: ;

src: [][, []]*;

[font-weight: ];

[font-style:

}

值说明：

YourWebFontName: 自定义的字体名称

source: 自定义的字体的存放路径,可以是相对路径也可以是绝路径

format：自定义的字体的格式,包含 truetype,opentype,truetype-aat,embedded-opentype,svg等

font-weight:定义字体是否为粗体

font-style:定义字体样式,如斜体

下面，本文以 58同城 作为例子讲解。

步骤用浏览器打开 https://cd.58.com/chuzu/ ，随机点击一个房源，在其详情页查看价格处网页元素

此时，我们发现网页元素与网页展示数据并不一致。

2. 在网页空白处我们右键查看网页源码，找寻该数据

此时，我们发现这些貌似乱码的数据其实对应的是一个个编码。

3. 在 HTML 中搜索 font-face

找到的这一段字符串为 ttf 字体文件经 base64 编码后的内容。

4. 将 charset=utf-8;base64, 后那段字符串复制，并解码后保存至本地 ttf 文件，最后使用 FontCreator 打开

import base64

font_face='xxxx'

b=base64.b64decode(font_face)

with open('58.ttf','wb') as f:

f.write(b)复制 base64 加密字符串解码后保存至本地 ttf 文件FontCreator 打开

此时，我们发现

鸺 对应 9

齤 对应 8

龤 对应 0

正好组成页面上的价格。

那么，解决字体反爬的思路便是：获取自定义字体与正常字体的映射，如 鸺 对应 9

将页面的自定义字体替换回正常字体

倘若字体映射是静态的，那么我们可以提前写死；若字体映射是动态的我们便需要请求一次页面，便获取一次映射关系(58便是动态的)

动态映射的话，我们先看下 ttf 文件的内容好了，看下每次是哪里变化。对此，ttf 无法查看其内部内容，我们选择将其转换为 xml 文件查看。

from fontTools.ttLib import TTFont

font = TTFont('58.ttf')

font.saveXML('58.xml')

5. 打开转换后的 xml 文件，寻找映射关系

标签，可以看到 id 和 name

标签，可以看到编码和 name 的对应关系，可以看出(重点)

glyph00006 对应 5

glyph00003 对应 2

glyph00005 对应 4

以此类推

标签，可以看到用于描述字体形状的坐标点(此处不关注，字体形状无变化)

6. 通过 fontTools 库获取字体映射关系

from fontTools.ttLib import TTFont

font = TTFont('58.ttf')

bestcmap = font['cmap'].getBestCmap()

print(bestcmap)

此时，我们可以看出 bestcmap 这个字典的 key 刚才 16 进制编码的 int 形式。

当我们使用这个字典映射关系时，需将其转换回 16 进制。

import re

newmap = dict()

for key in bestcmap.keys():

value = int(re.findall('\d+',bestcmap[key])[0]) - 1

key = hex(key)

newmap[key] = value

print(newmap)

7. 便捷地获取内存中的二进制流，不必每次都创建一个 ttf 文件

import io

fio=io.BytesIO(base64.b64decode(font_face))

font = TTFont(fio)

bestcmap = font['cmap'].getBestCmap()

newmap = dict()

for key in bestcmap.keys():

value = int(re.findall('\d+',bestcmap[key])[0]) - 1

key = hex(key)

newmap[key] = value

print(newmap)

原创文章，转载请保留或注明出处！