Python字体反爬

实战场景 

本篇博客学习字体反爬，涉及的站点是实习 x，目标站点地址直接百度搜索即可。

可以看到右侧源码中出现了很多“乱码”，这其中就包含了关键信息。

接下来按照常规的套路，在开发者工具中检索字体相关信息，但是筛选之后，并没有得到反爬的字体，只有一个 file? 有些许的可能性。

这里就是一种新鲜的场景了，如果判断不准，那只能用字体样式和字体标签名进行判断了。
在网页源码中检索 @font-face 和 myFont，得到下图内容，这里发现 file 字体又出现了，看来解决问题的关键已经出现了。

下载文件名之后发现无后缀名，我们可以补上一个 .ttf 的后缀，接下来拖拽到 FontCreator 中，然后进行查阅。

二次刷新页面之后，再次获取一个 file 文件，查看二者是否有编码变化问题。

结论：每次请求字体文件，得到的响应无变化。

既然没有变化，后续的字体反爬实战编码就变的简单了。

实战编码 

解析字体文件，获取编码与字符。

from fontTools.ttLib import TTFont
font1 = TTFont('./fonts/file.ttf')
keys,values = [],[]
for k, v in font1.getBestCmap().items():
    print(k,v)

得到的结果如下所示：

2 extra bytes in post.stringData array
120 x
57345 uni4E00
57360 uni77
57403 uni56
……

然后我们查看一下实习僧站点返回的数据。

&#xf626&#xf395&#xf395-&#xf043&#xf395&#xf395

这其中又涉及到了编码的转换。

我们拿到一段带编码的文字，如下所示：

&#xedb3&#xe4d0&#xe4d0&#xedb3&#xe12a&#xeb3d销售实习&#xe595

接下来查看一下页面呈现的文字

SaaS软件销售实习生

其中 &#xedb3 对应的是 S 字符，再看一下该字符在字体文件中的编码，如下所示。

但是从刚才的结果中，并未得到 edb3 相关值，但是把十进制的编码进行转换之后，得到下述结果。