python爬虫-32-python字体反爬，网页看到的和实际下

2022-06-21 本文已影响0人运维家

开发者自己创建的一种字体，但是恰恰是由于是自己创造的，所以我们查看网页源代码的时候发现是乱码，因为我们系统识别不到。

但是又因为是前端展示，如果将常见的几千个中文重新全部创建一遍，那么每次访问该网站都需要下载十几兆的内容，所以往往只是对于数字，或者一些敏感的字进行重造。

1、描述

当我们爬取网站过多的时候，是不是会发现一种情况，就是说明明在网页看到了实际的数据，但是当你使用python爬虫爬取下来之后，数据就变成乱码了，识别不到是什么内容。

比如说我们看到了网页的数据是：价钱：100/元

但是当我们使用python爬虫技术获取到该页面的html代码之后，原来能看到的数据看不到了，是乱码了，且我们通过所有常用的编码格式，都无法识别，这就是这个网站的开发者为了数据保密而自行创建的一种字体。

而我们电脑并没有存储这个字体库，所有无法识别到而导致的乱码，那么我们如果需要将乱码转换成明文，我们首先需要了解下如何创建字体。这是一种什么方法。

2、创建-解析字体

这里我们使用一个软件，名字叫做FontCreator，这个软件既可以创建字体，也可以解析字体，由于我们主要是解析，那么我们来演示下解析吧；

软件包获取方法：

微信公众号“运维家”后台回复：FontCreator

即可获取该软件的下载地址了；

然后我们一步步安装之后，打开界面如下：

我们这里选择一个系统自带的字体，看看打开之后是什么样子吧。

首先我们需要知道我们要解析哪个字体库，这里这里我们选择C:\Windows\Fonts这个目录下的任一文件，因为这里存放的是我们自己电脑的所有字体，选择其一复制到其他位置；

点击FontCreator右上角的File--Open，打开我们刚复制的字体库，界面如下：

我们就可以看到有关于这个字体库中，每一个字体的信息。

如果我们想创建一个字体，最简单的方式就是改造已存在的，那就是双击改字体，出现类似界面：

调试其中的锚点，再次保存之后，这个字体就是你独有的了。

3、深层认知

我们通过上面的认知之后，知道了字体是对应网站的开发者为了安全自己创建的字体了，那么我们该如何解决这个问题呢。

这里我们来认识四个概念；

1、字体本身

就是说这个汉字或者数字本身的一个值；

2、形体

就是说这个汉字的样子是什么，可以简单的理解成一幅画；

3、name

这个汉字在对应字体库中的名字是什么；

4、code

这个汉字的名字，对应的代码是什么；

我们在浏览器页面看到的，展示出来的是字体本身，查看源代码的时候，显示的**code*；

4、常见反爬

有两种方法：

第一：直接生成一个新的字体库，里面的四要素是稳定的，不会产生变化的；

第二：每次请求都随机生成一个新的字体库；

针对第一种方法我们处理的时候比较简单，直接解析好将值自行存储起来即可；

第二种方法就比较复杂了，但是说复杂呢，也不是很复杂，因为四要素中，字体本身、形体、name，这三要素一般都不会变化，变化的仅仅是我们看到的code，那么我们是不是可以反推出来呢？

本文只是理论知识，下一篇我们来手把手实操一下子。

支持，本文结束，相关内容每日更新。

更多内容请转至VX公众号 “运维家” ，获取最新文章。

------ “运维家” ------

linux系统下，mknodlinux，linux目录写权限，大白菜能安装linux吗，linux系统创建文件的方法，领克linux系统怎么装软件，linux文本定位；

ocr识别linux，linux锚定词尾，linux系统使用记录，u盘有linux镜像文件，应届生不会Linux，linux内核64位，linux自启动管理服务；

linux计算文件夹大小，linux设备名称有哪些，linux能用的虚拟机吗，linux系统进入不了命令行，如何创建kalilinux，linux跟so文件一样吗。