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 TTFontif __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 = '' # 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}')