字型反爬個人心得
這裡拿四個網站舉例吧，應該涵蓋了目前字型加密的80%了吧，還有什麼網站也可以留言我後面看
1.入門菜，最基礎的字型加密
第一種字型加密是最原始的，他的字型規則是一套固定的樣式，不會隨著網頁的改變而改變，我願將之稱為“靜態字型加密“(狗頭)
例子：實習僧https://www.shixiseng.com/com/com_tyju1cjdpntm
開啟該網頁
f12定位一下
這種可以肯定它就是字型加密了
那它到底是怎麼實現的呢？
我們開啟右鍵開啟網頁原始碼，Ctrl+F搜尋 /天
這樣就很好理解了，伺服器將一份字型檔案，和該網頁原始碼一同傳送給客戶端，遊覽器會根據font-face中指定的字型來進行網頁的渲染，頁就是將這些&#x這種程式碼轉換為我們看到的數字
我們的目標code（編碼）-> name(該字名) -> glyph(字形) -> 字（目標）
好，那我們第一步就去找該網頁的字型檔案,一般現在都選擇用base64加密後攜帶在網頁中，這樣可以更快的載入網頁
將該字型base64解密儲存為woff檔案用FontCreator開啟
這就可以看到它所有加密過的字型了，接下來我們將其儲存為XML檔案檢視細節
from fontTools.ttLib import ttFont baseFont = ttFont.TTFont("字型.woff") baseFont.saveXML('字型.XML')
你在後頭看看字型檔案數字上的uni30，沒錯這以為著0-->uni30-->id=2,也就是id為2的字型的編碼就是我們要找的0
baseCodeName = baseFont.getBestCmap()#getBestCmap返回一個字典，該字典有code（字編碼）和name(子名字)的對應關係 for code,name in baseCodeName.items():#字名字（你叫什麼都可以），比如數字0對應的就是uni30 print(hex(code),name)#將code轉換為16進位制，因為網頁上是16進位制
這樣我們就找到了0的編碼了，但這是我們手動搜尋並對應字型檔案得出的0xe315就代表0，要想程式明白0xe315對應的是0，我們需要建立一個number字形對應的字典
我只將對應的數字和幾個常見的英文，一個漢字的關係找出來了，一個一個對應還是比較無聊的，重點是掌握方法
解釋下：baseFont是一個ttfont物件，baseFont['glyf']：可以返回這個字型的所有形狀，獲取name和形狀的一個字典，就是所給對應的name返回對應的字形
之後我們對比字形，如果該字形和0對應的字形相當，我們就認為它是0的字形，輸出0的編碼，和0
執行
最後用re的sub將網頁中的code替換為字就行了，執行替換成功
最後來理一遍流程，1.下載字型檔案2.儲存為XML，用fontcreator手動找出其中code和name的對應關係3.比較字形，字形相同的為我需要的字型4.講網頁中原本的code替換為目標字
光看你可能不是很能理解，我建議你自己動手試試，按流程來，並理解我所說的code，name，glyph代表什麼，找他們之間的聯絡，你就懂了
2.每次的字形是一樣的但是code和name的對應關係不同
例子：58同城https://cd.58.com/chuzu/?PGTID=0d000000-0000-0f12-e270-c701f230eff6&ClickID=1
我預設你已經懂了第一種再來閱讀這個
58比實習僧要稍微多了一個點但基本流程都是一樣的
儲存兩個字型到本地，發現他們字形沒變，但是code和name對應不同，這其實和上面是一個思路稍微變一點
就是我先儲存一份字型到本地作為基準，我們先肉眼把本地的基準字型0對應什麼1對應什麼的關係找到，然後我們每次爬取獲取該頁面的字型檔案
將他與我們的基準檔案的字形做對比（因為字形不改變），如果基準字形與該字形對應，我們就認為它和基準字型中的某某是同一個字，意思如圖
其實無非就是實習僧用一套字型，這個需要多套的區別，核心程式碼和實習僧的一樣，加一個每次下載字型到本地
最終結果，爬取正常
3.第三種就是貓眼電影這種字形也變，對應關係也變的了
解決思路也很清晰，就是把本地一套字型，每次獲取它當前的字型，我們對比字形座標，因為它字形雖然會變但是區別不會特別大，所以我們只要找到當前字型與本地字型中座標差值最小的那個，我們就認為它們是同一個字，當然這裡有個坑就是座標排序的順序會改變，還需要先找出座標最相近的，再做差值
說起來不難，第一次實踐還是整了挺久的，查了很多部落格才整出來，這裡就不展開講了，思路已經給你了
執行，結果正確
4.王炸GlidedSky字型加密2
我一開始做的時候一頭霧水，後面直呼作者牛逼，有興趣的可以研究下
網站是http://glidedsky.com/，題目描述如下，你要先解決前幾道題才看的到這題
就問你懵逼不懵逼，如果你能把這到題做出了，我想字型加密應該差不多了吧（個人認為，還有什麼網站可以告訴我）
給大家提供點思路吧，總共程式碼40行，重點是思路。最核心的對映關係自己找吧，我說說後面
1.做到後面會發現解析出的漢字和真實網頁上的漢字不對應的情況，查了下，是什麼漢字字典對應的關係什麼鬼，反正就是同一個漢字長得一樣不一定真的一樣。。。比如說
這兩個衣就不一樣，第二個是網頁中給出來的，第一個是我用unicode轉字元的，他們是不能夠對應的，那怎麼辦，我一開時以為這種就幾個特殊的情況，就手動查該字的編碼表，一個一個換
換了幾十個我放棄了，不知道到底有多少個，後面沒用這個方法，但我看網上有那個康熙字典，按理來說應該可以
https://blog.csdn.net/qq_40734108/article/details/105104412
2.我的做法是閱讀XML檔案，找他如何從unicode編碼來到真實的0x這種16進位制編碼，是的，通過unicode（name）去找code，這樣反倒還簡單