第五章 爬虫进阶（四十） 2020-02-27

四十、 字体反爬– 字体反爬原理分析

1、学会字体反爬的原理。

2、学会如何解决字体反爬的问题。

字体反爬原理

 

1、网页开发者自己创造一种字体，因为在字体中每个文字都有其代号，那么以后再网页中不会直接显示这个文字的最终的效果，而是显示他的代号，因此即使获取到了网页中的文本内容，也只是获取到文字的代号，而不是文字本身。

2、因为创造字体费时费力，并且如果把中国3000多常用汉字都实现，那么这个字体将达到几十兆，也会影响网页的加载。一般情况下为了反爬虫，仅会针对0-9以及少数汉字进行自己单独创建，其他的还是使用用户系统中自带的字体。

字体反爬解决方法 - 寻找字体

1、一般情况下为了考虑网页渲染性能，通常网页开发者会把字体编码成base64的方式，因此我们可以到网页中找到@font-face属性，然后获取里面的base64代码，再用python代码进行解码，然后再保存本地。示例：view-source:https://www,shixiseng.com/intern/inn_a7xabqqr4f9u

2、如果没有使用base64，还有另外一种方式，就是直接把字体文件放到服务器上，然后前端通过@font-face中的url函数进行加载。示例：https://developer.mozilla.org/zh-CN/docs/Web/CSS/@font-face

字体反爬解决方法– 分析字体

1、分析字体需要将字体转换成xml文件，然后查看其中的cmap和glyf中的属性。其中cmap存储的是code和name的映射，而glyf下存储的是每个name下的字体绘制规则。

2、从第一步中我们知道了name对应的字体的绘制规则，但是还是不知道字体是长什么样子，那么可以通过一款叫做FontCreator的软件来打开.tff的字体文件，这样就可以看到每个name对应的字体最终的呈现效果。（FontCreator是一款制作字体的工具，下载地址：https://www.high-logic.com/FontCreatorSetup-x64.exe这款软件有30天的试用期）

上一篇文章 第五章 爬虫进阶（三十九） 2020-02-26 地址：

https://www.jianshu.com/p/e492e1501a67

下一篇文章 第五章 爬虫进阶（四十一） 2020-02-28 地址：

https://www.jianshu.com/p/1c0958cbf3f9

以上资料内容来源网络，仅供学习交流，侵删请私信我，谢谢。