python-GlidedSky字体反爬虫

题目

python-GlidedSky字体反爬虫_第1张图片
字符到图片映射都是反爬都可以当作反爬的措施,题目要求看到的数据而不是网页源码的数据。

分析

1、网页中混淆了多种字体,每次刷新源码的数据都有变化。
2、把font-face中的base64数据进行解码并保存到本地中,把头部的charset以及base64去掉,使用base64库进行解码保存为ttf文件。
python-GlidedSky字体反爬虫_第2张图片
3、使用FontCreator进行查看,可以看到其中对应的关系。
python-GlidedSky字体反爬虫_第3张图片
4、进行多次刷新,把字体数据保存下来,在进行爬取时,进行对比,确认使用哪一套的字体

简单粗暴ocr识别

1.使用selenium进行登录
2.进入待爬取页面,对页面进行截图,页面元素定位截取
3.使用百度ocr文字识别进行识别
4.注意要添加页面加载超时以及识别时的速度,百度ocr识别对QPS有限制

最后把得到的数据放进列表中进行计算
python-GlidedSky字体反爬虫_第4张图片

你可能感兴趣的:(爬虫,爬虫,python)