Python复健练习：爬取58同城房产月租及户型加密字体

Request URL: https://maoyan.com/



任务：获取正确的信息
[考虑网页渲染性能，通常网页开发者会把自定义的文体编码成base64的方式]

考虑网页渲染性能，通常网页开发者会把自定义的文体编码成base64的方式
[若没有使用base64则可能把字体文件放在了服务器上，然后前端通过@font-face中的url进行加载，如上图]

本文讨论使用base64的常见情况（58同城房产）
Request URL: https://heyuan.58.com/chuzu/?PGTID=0d100000-028e-35df-5fbf-7d9bbdf05780&ClickID=2


1.寻找自定义字体

2.解析加密字体

[此情况为写入的自定义字体中存在非法字符]
正确提取效果

[注:应使用二进制写入文件且需要单引号包括]
展示在网页之中的是code[code与name的对应关系可能会随机变化]
我们可以通过name找到对应的font shape（不变）再逆推出code与font shape的对应关系,eg:

code:

name:

font shape:

[初学者建议使用 fontTools库在python中读取后缀为.ttf的文件，然后将字体保存于xml文件，理解font的内部结构]


若出现此报错则说明解析器解析错误，需自行寻找规律，方法如下

若出现此报错则说明解析器解析错误，需自行寻找规律，方法如下



所以6的name为glyph00007

操作如下：

3.反向解析

[最后再对html进行常规操作即可爬取加密信息]
附代码链接：https://paste.ubuntu.com/p/rnbvYRD36w/（含详细注解）