关于python爬虫:爬虫加密字体解密

34次阅读

共计 928 个字符，预计需要花费 3 分钟才能阅读完成。

在爬取文本信息过程中遇到字体是加密的
须要把方块数字转换为十进制
再依据 woff 文件中的映射关系进行对应转换
须要留神的是这个字体文件 url 是每距离几分钟就变动的如发现和上一次申请的地址不一样须要再次申请新的 woff 文件
具体代码如下

from fontTools.ttLib import TTFont

if __name__ == '__main__':

    # 1 依据剖析进去的关系，初始化 把 cmap 中的 name 与 网页显示文本映射关系
    relation_table = {'period': '.', 'zero': '0', 'one': '1', 'two': '2', 'three': '3', 'four': '4', 'five': '5',
                      'six': '6', 'seven': '7', 'eight': '8', 'nine': '9'
                      }

    # 2 获取到提取到的 UTF-8 的值
    text = '𘢗𘢔𘢘𘢑𘢑𘢙𘢑'

    # 3 下载文件并且获取文件中的 cmap 映射，上面简化案例假若曾经获取到了字体文件
    # cmap=  {100233: 'period', 100235: 'three', 100236: 'seven', 100237: 'six', 100238: 'nine', 100239: 'five', 100240: 'eight', 00241: 'two', 100242: 'one', 100243: 'four', 100244: 'zero'}
    font = TTFont('nxCOAYDu.woff')
    cmap = font.getBestCmap()

    # 4 转换逻辑
    print(f'begin convert:text is {text}')
    text_list = list(text)
    for index, ch in enumerate(text_list):
        en_number = cmap.get(ord(ch), None)
        if en_number:
            alpha_str = relation_table.get(en_number, None)
            if alpha_str:
                text_list[index] = alpha_str
    text_final = ''.join(text_list)
    # 最初输入的就是页面上的数字
    print(f'end convert:text is {text_final}')

正文完