python字体加密怎么理解

字体加密初认识

在字体加密的网站中用户也是无法直接进行复制网页内容的。

目前有使用字体加密的网站大概有下面这些：

58同城，起点，猫眼，大众点评，启信宝，天眼查，实习僧，汽车之家

既然这么多的网站都采用了字体加密，那么它一定是一个有效的反爬手段，作为爬虫工程师我们应该如何应对呢？

首先我们应该先了解一下什么是字体加密。

什么是字体加密？

网页字体是一个字形集合，而每个字形是描述字母或符号的矢量形状。

因此，特定字体文件的大小由两个简单变量决定：每个字形矢量路径的复杂程度和特定字体中字形的数量。

 

通俗一点，同一内容的网页字体每个字形应该都是大同小异的，我们可以通过比对字体文件的字形来确认映射的内容。

关于字体加密的描述文章实在太多了，个人建议还是看看 Google 官方关于网页字体的文章。

接着是关于网页字体加密映射的原理图，下图来自谷雨解字：

 

在爬虫爬取页面的时候，页面中的代码是阴书，但是在人眼看到的是原文，这样的映射关系让爬虫无法顺利爬取到网站内容。

如何处理字体加密？

通过上面的字体加密原理图，我们大概了解到字体加密的原理。

我推荐没有搞过字体加密的朋友找个比较简单的网站练手，网上写的比较多的例子是猫眼的专业版。

猫眼的字体解密文章非常多，建议没有接触过得朋友可以先自己动手试试，咸鱼也会在之后更新字体解密系列的文章。

下面是字体解密的大致流程：

• 先找到字体文件的位置，查看源码大概就是xxx.tff这样的文件

• 重复上面那个操作，将两个字体文件保存下来

• 用上面的软件或者网址打开，并且通过 Python fontTools 将 tff 文件解析为 xml 文件

• 根据字体文件解析出来的 xml 文件与类似上面的字体界面找出相同内容的映射规律（重点）

• 在 Python 代码中把找出的规律实现出来，让你的代码能够通过这个规律还原源代码与展示内容的映射（这句话比较抽象，可以之后结合代码文章再读一遍）

推荐使用 FontCreator 以及百度字体。

打开后显示的样子与下图类似。