小白也可以看会的破解抖音字体反爬

现在的网站，处处都是反爬，我们这些爬虫的经常需要和他们斗智斗勇，就看谁更厉害。这不，就连字体也弄成了反爬，而且还不止一个网站，常见的就有猫眼和汽车之家。不过，字体反爬也没有用，毕竟我们会破！哈哈。

抖音的字体反爬是在一个分享个人主页的链接中，别的链接暂时没有测试，不过破了一个其他的也就破了。

分享主页可以这样获得：

1). 点击迪丽热巴个人主页

image

2).点击左上角

image

3).再点击左上角分享以链接方式复制

image

做完之后你就可以获得这样一条链接：http://v.douyin.com/NT5Nck/

在浏览器打开可以看到：

image

链接编程了这样：https://www.iesdouyin.com/share/user/88445518961?timestamp=1548046967

根据经验很容易知道前面的参数就是用户的 id 号，后面的就是时间戳，可以去掉的。

有了这个页面之后怎么将个人主页的名称、粉丝、点赞量等爬下来呢？接下来就是教你这个，请继续往下看！

1. 分析破解反爬字体

打开开发者调试工具，很容易就可以看到数据所在的请求的链接

image image

点击我们需要获取的粉丝数，你可以看到：

image

可以看到，字体都变成了正方形，很明显这个做了反爬。那我们再看看请求返回来的 html 信息。

image

可以看到一堆编码，而且都是数字变成了这样，所有抖音将这些数字的数据都做了字体进行映射，用了他们自己的字体，那我们可以看看开发者工具的 network 查看他所用的字体，一般都是 wolf 或者 ttf 结尾的，可以看到：

image

https://s3.bytecdn.cn/ies/resource/falcon/douyin_falcon/static/font/iconfont_9eb9a50.woff

在浏览器输入上面地址就可以下载该字体了。

下载完之后我们可以用 Python 的一个工具包 fontTools 来查看字体映射。

如果你没有这个包的话，可在命令行输入下面代码进行下载工具包：

pip install fontTools

使用 fontTools 将字体文件转为 XML 文件，下面为代码：

image

转换之后查看文件，你就可以看到之间的映射了，如下：

image

code 为我们在请求中显示的编码，name为映射，到我们需要找的是数字，num_ 代表的又是哪些数字呢？，如果你再找找，你会发现这个：

image

是不是感觉已经找到了，恭喜你，你被坑了，这个并不是，如果你第一次遇到的话，估计都会被它坑一次，这个并不是刚才的什么数字映射，只是一些 id 名字罢了。

这时就需要我们另借助一个字体软件了：FontCreator, 软件百度官网下载安装即可。

用这个软件打开字体，可以看到新大陆：

image

这个就是我们需要找的映射，配合上面在 XML 文件中找的映射，一起用，这个就破解了。

2.代码实现

用 Python 代码只需要把它们之间的映射搞清楚就行了，所以我们可以使用字典来保存这些数据。

image

这个就是在软件上看到的映射关系，再来弄弄在 XML 中的编码对应关系

image

通过一行一行地读取 XML 文件的内容，找出映射并存储在相应的字典中，这就可以了，大功告成。

3.其他数据的获取

我打算爬的是抖音的用户数据，先找了 1000 个抖音大号来爬取，接着会通过他们的粉丝列表再来爬取别的用户，这样就差不多能够把抖音的大多数用户获取了，具体怎样爬取粉丝列表，下篇文章告诉你！期待的就点个「好看」支持下？

下面是 1000 个抖音大号的部分爬取代码：

image

上面的就是我需要存储的内容。

由于篇幅问题，其他的就不放出来了，想要源码的关注公众号进行获取

「以下内容，本人仅供学习交流，切勿用于商业用途」

image