一、頁面分析

首先開啟 貓眼電影 ，然後點選一個正在熱播的電影（比如： 毒液 ）。開啟開發者工具，點選左上角的箭頭，然後用滑鼠點選網頁上的票價，可以看到原始碼中顯示的不是數字，而是某些根本看不懂的字元，這是因為使用了font-face定義字符集，並通過unicode去對映展示，所以我們在網頁上看到的是數字，但是在原始碼中看到的卻是別的字元。

碰到這些根本看不懂的字元怎麼辦呢？不慌，右鍵選擇檢視網頁原始碼，然後找到相應的位置（如下圖）。那麼是不是“”映射出來就是28呢？

通過檢視原始碼，可以找到如下內容， 而當我們訪問這裡面的連結的時候，就可以下載相應的字型檔案，關於font-face可以點選 這裡 查看了解：

當我下載好字型檔案後，滿心歡喜的雙擊想要點開的時候，卻發現無法開啟（T_T）。查閱資料之後知道了一個叫做FontCreator的軟體，用這個軟體可以開啟我們下載的字型檔案，沒有安裝這個軟體的可以進入官網 https://www.high-logic.com/ 下載安裝，如果下載得很慢的可以用百度雲下載 （連結：https://pan.baidu.com/s/1ImxwPhKdzZo2g4bIjiGCZw ，提取碼：m0yf ）。下載好之後開啟軟體，看到如下介面，選擇Use Evaluation Version，這個軟體我們可以免費使用三十天。

開啟軟體後，再開啟我們下載的字型檔案，可以看到數字2和8分別對應的是uniE83B和uniE375，和前面看到的編碼是一致的。

那麼我們下載好字符集之後，只要將其中的字元編碼和數字對應的資訊提取出來，再把網頁原始碼中的字元編碼替換掉，就能得到我們想要的資料了。這裡要用到一個三方庫fontTools，利用fontTools可以獲取每一個字元物件，這個物件你可以簡單的理解為儲存著這個字元的形狀資訊，而且編碼可以作為這個物件的id，具有一一對應的關係。不過這裡還有一個問題，就是網頁每次使用的字符集是隨機變化的，我們也就無法使用一個固定的字符集去做到反爬。

解決思路如下：先儲存一個字型檔案（比如base.woff），然後解析其數字和編碼的對應關係，然後爬取的時候把新的字型檔案下載下來（比如online.woff），網頁中的一個數字的編碼（比如ABCD），我們先通過編碼ABCD找到這個字元在online.woff中的物件，並且把它和base.woff中的物件逐個對比，直到找到相同的物件，然後獲取這個物件在base.woff中的編碼，再通過編碼確認是哪個數字。

二、主要程式碼

解析下載的字型檔案，由於字型檔案中有多餘的字元，需要捨棄掉。

 1 # 解析字型庫
 2 def parse_ttf(font_name):
 3 """
 4 :param font_name: 字型檔名
 5 :return: 字元-數字字典
 6 """
 7 base_nums = ['3', '0', '1', '6', '4', '2', '5', '8', '9', '7']
 8 base_fonts = ['uniEB84', 'uniF8CA', 'uniEB66', 'uniE9DB', 'uniE03C',
 9 'uniF778', 'uniE590', 'uniED12', 'uniEA5E', 'uniE172']
10 font1 = TTFont('base.woff') # 本地儲存的字型檔案
11 font2 = TTFont(font_name) # 網上下載的字型檔案
12 
13 uni_list = font2.getGlyphNames()[1:-1] # 去掉頭尾的多餘字元
14 temp = {}
15 # 解析字型庫
16 for i in range(10):
17 uni2 = font2['glyf'][uni_list[i]]
18 for j in range(10):
19 uni1 = font1['glyf'][base_fonts[j]]
20 if uni2 == uni1:
21 temp["" + uni_list[i][3:].lower() + ";"] = base_nums[j]
22 return temp

解析網頁原始碼，把其中的編碼替換成數字，這裡選擇把網頁原始碼儲存下來，這樣的話編碼就不會改變，也就能正確的解析。

進群：960410445  即可獲取大禮包教程一份！

 1 # 解析網頁得到數字資訊
 2 def get_nums(font_dict):
 3 """
 4 :param font_dict: 字元-數字字典
 5 :return: 由評分、評分人數、票房和票價組成的列表
 6 """
 7 num_list = []
 8 with open('html', 'r', encoding='utf-8') as f:
 9 for line in f.readlines():
10 lst = re.findall('(.*?)<', line)
11 if lst:
12 num = lst[0]
13 for i in font_dict.keys():
14 if i in num:
15 num = num.replace(i, font_dict[i])
16 num_list.append(num)
17 return num_list

三、執行結果