爬虫遇见诡异字体-反反爬（58同城字体）

今天在溜达58同城时，发现租房里面的价格等数字被替换成了看似像乱码的字符串，这明显就是为反爬虫而设计的，琢磨很久，最后在网上发现了解决办法。
先打开58同城的租房信息，由于有的页面做了反爬，有的没做，所以先要找到做过反爬的页面，如下：

浏览时图片

看上面图片，很整洁的样子，其实看源码吓我一跳。

源码中数字被替换
800变成了三个字，这让程序员怎么玩。

1、为什么字体可以反爬

这个字体库是动态生成的字体，也就是说你不知道下一次刷新出来的数字到底对应的是哪个字。所以就不能直接抓取信息了，这个道行就很厉害了。

2、怎么做好字体反爬？

这种反爬策略用在数字上确实天衣无缝，非常优雅。唯一值得提的就是一点，如何动态生成字体和页面来做好对应关系。其实这是一个工程性的问题，大部分编程语言都含有生成字体的库，如果对网站整体性能比较自信的话，完全可以每次请求都动态生成，当然这样确实会比较慢，比较推荐是通过定时任务，去更新一个字体池。每次有请求过来，从字体池中随机拿一个字体，换一个随机的名字（可以通过url rewrite来实现），并和现在的数字做一次映射，调整页面显示后整体输出，就可以在尽量不影响性能的情况下搞死反反爬。
当然使用字体也是有局限的，其中最大的问题莫过于@font-face的兼容性问题。

3、遇到字体反爬怎么办？

遇到这种反爬虫怎么办呢！！！其实也不复杂，大部分语言都有字体库处理类库，这种情况只要每次解析出10个数字对应的字就可以了。用java来解决的话，推荐使用Apache.Fontbox，具体代码如下：

    public static List<String> getMapper(String fontBase64) {
        List<String> dic = new ArrayList<>();
        BASE64Decoder decoder = new BASE64Decoder();
        TTFParser parser = new TTFParser();
        try {
            byte[] bytes = decoder.decodeBuffer(fontBase64);
            InputStream inputStream = new ByteArrayInputStream(bytes);
            TrueTypeFont ttf = parser.parse(inputStream);
            if (ttf != null && ttf.getCmap() != null && ttf.getCmap().getCmaps() != null
                    && ttf.getCmap().getCmaps().length > 0) {
                CmapSubtable[] tables = ttf.getCmap().getCmaps();
                CmapSubtable table = tables[0];// No matter what
                for (int i = 1; i <= 10; i++) {
                    dic.add(String.valueOf((char) (int) (table.getCharacterCode(i))));
                }
            }
        } catch (IOException e) {

        }
        return dic;
    }

上面代码传入一段base64字符串，如果是文件可以稍作修改即可。
字体反爬，我在网寻找好久也没找见，后来偶然发现《神箭手》上面有相关解决办法，这里贴上原文，有兴趣可以看看：爬虫与诡异的字体-反爬与反反爬的奇技淫巧