前言
文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。
作者： 朱小五/凹凸玩数据
PS：如有需要Python学习资料的小伙伴可以加点击下方链接自行获取
http://note.youdao.com/noteshare?id=3054cce4add8a909e784ad934f956cef
大家爬取分析XX点评数据，最常见的无非两种：
1、分析所有店铺的各类评分和推荐菜等 2、获得店铺里的评论数据
而大众点评最大的难题就是字体加密，也就是这样
很明显点评网宁可错杀一万，也不肯放过一个，干脆使用了自己定义的字体。不过既然自定义了字体，那么网页肯定需要加载字体文件。
谷歌浏览器，右键检查，进入network 然后刷新页面，点击Font。
我们来下载这个加载的字体：8f8cfde4.woff
右键 copy like address
粘贴到新页面 即可下载
将下载的字体导入FontEditor中打开 （百度家的在线字体编辑器）
导入之后：
我们再结合网页源代码，就得到了相应乱码与数字的对应关系：
我们可以发现网页中的乱码和FontEditor中的乱码后四位是一样的，比如说图中某店铺的点评数为2481，在网页源代码用【1】来表示，这在FontEditor的字体编辑器中对应的是【unie801，unieb78，uniefe4】。
所以我们要做的是：
1、下载网站font字体包 2、将font字体包中导入FontEditor 观察得到乱码与数字的关系 3、前缀替换，并将字体名字和它们所对应的乱码构成一个字典
def get_font():
font = TTFont('8f8cfde4.woff')
font_names = font.getGlyphOrder()
# 这些文字就是在FontEditor软件打开字体文件后看到的文字名字
texts = ['','','1','2','3','4','5','6','7','8','9','0']
font_name = {}
# 将字体名字和它们所对应的乱码构成一个字典
for index,value in enumerate(texts):
a = font_names[index].replace('uni', '&#x').lower() + ";"
font_name[a] = value
return font_name
运行看一下
没错，跟刚才观察的结果一致。
那么下面我们获取网页源代码，并根据刚才 get_font()构成的字典进行替换。
import requests
headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36'}
cookies = {'cookie':'你的cookies'}
url = 'http://www.dianping.com/beijing/ch10/g110p1'
html = requests.get(url, headers=headers,cookies = cookies).text
#requests获得html
num = get_font()
#获得加密映射关系
for key in num:
if key in html:
html = html.replace(key, str(num[key]))
#替换html中加密文字
再看一下结果：
这样就破解了点评网的字体加密。
剩下各位就可以自行用喜欢的解析方式来解析html啦。
下篇写猫眼的字体动态加密。
本文来自投稿，不代表本人立场，如若转载，请注明出处：http://www.souzhinan.com/kj/290855.html