字體文件反爬

在搞定靜態(tài)字庫反爬之后， 可以解決部分字體文件的反爬， 但動態(tài)字文件反爬是解決不掉的。此文章就是為解決動態(tài)字體文件的反反爬而寫。本想以去哪兒網(wǎng)（手機(jī)端）的為例， 奈何手機(jī)端的字庫反爬可能需要賬號密碼才會出現(xiàn)， 遂改用貓眼電影網(wǎng)的字體文件反爬為例。源碼在最后！

1. 開發(fā)者模式查看網(wǎng)頁內(nèi)容

開發(fā)者模式中的字體無法顯示

2. 下載網(wǎng)頁源碼保存至本地查看

網(wǎng)頁源碼下載到本地后查看

3. 字體文件保存在本地通過 font creator 查看字體文件信息

字體文件1

字體文件2

可以查看到字體文件的映射關(guān)系是動態(tài)的， 需要解決的就是通過某種方法來找到映射與數(shù)字之間的關(guān)系。

4.通過fontTools庫， 將字庫文件轉(zhuǎn)換成xml格式

映射關(guān)系與字體信息

# 將字體文件轉(zhuǎn)換成xml格式可以發(fā)現(xiàn)字體保存的圖行信息是不變的， 變化的是unicode映射
#以此為突破點， 找到圖形對應(yīng)的編碼， 然后再匹配到對應(yīng)的數(shù)字，以不變應(yīng)萬變。
onlineFonts = TTFont('fonts.woff')
onlineFonts.saveXML('test.xml')
注： 此步驟在實際生產(chǎn)過程中并不需要， 為了便于理解， 我加上了 

5.通過fontTools庫， 獲取字體信息中不變的部分

baseFonts = TTFont('basefonts.woff') # basefonts.woff 這個文件是保存在本地的， 需要手動解析一個字體庫， 作為不變的部分
base_nums = ['7', '9', '0', '3', '6', '5', '2', '1', '4', '8'] # 基本的數(shù)字表
base_fonts = ['uniF04C', 'uniE374', 'uniF426', 'uniEAAA', 'uniF519', 'uniEEC4', 'uniF543', 'uniF7C7', 'uniF046',
          'uniF08E'] # 基本的映射表 
onlineFonts = TTFont('fonts.woff') # 網(wǎng)絡(luò)上下載的動態(tài)的字體文件
uni_list = onlineFonts.getGlyphNames()[1:-1] # 只有中間的部分是數(shù)字
temp = {}
# 解析字體庫
for i in range(10):
    onlineGlyph = onlineFonts['glyf'][uni_list[i]]  # 返回的是unicode對應(yīng)信息的對象
    for j in range(10):
        baseGlyph = baseFonts['glyf'][base_fonts[j]]
        if onlineGlyph == baseGlyph:
            temp["&#x" + uni_list[i][3:].lower() + ';'] = base_nums[j]

6.最終結(jié)果展示

最終結(jié)果

參考資料：
知乎作者謝俊杰的文章
fontTools庫詳解
github fonttools庫詳解

本人水平有限， 如有錯誤歡迎提出指正！如有參考， 請注明出處！！禁止抄襲，遇抄必肛！！！

源碼:

# coding:utf-8

import re
import requests
from fontTools.ttLib import TTFont
from lxml import etree

headers = {
            "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_4) AppleWebKit/537.36 (KHTML, like Gecko) "
              "Chrome/66.0.3359.139 Safari/537.36 "
    }

index_url = 'http://maoyan.com/'
# 獲取首頁內(nèi)容
response_index = requests.get(index_url, headers=headers).text
index_xml = etree.HTML(response_index)
info_list = index_xml.xpath('//*[@id="app"]/div/div[1]/div[1]/div/div[2]/ul/li[1]/a/div[2]/div//text()')
a = u'電影名稱：%s, 票房總數(shù)：%s' % (info_list[1], info_list[4])
print (a)

# 獲取字體文件的url
woff_ = re.search(r"url\('(.*\.woff)'\)", response_index).group(1)
woff_url = 'http:' + woff_
response_woff = requests.get(woff_url, headers=headers).content

with open('fonts.woff', 'wb') as f:
    f.write(response_woff)

#base_nums， base_fonts 需要自己手動解析映射關(guān)系， 要和basefonts.woff一致
baseFonts = TTFont('basefonts.woff')
base_nums = ['7', '9', '0', '3', '6', '5', '2', '1', '4', '8']
base_fonts = ['uniF04C', 'uniE374', 'uniF426', 'uniEAAA', 'uniF519', 'uniEEC4', 'uniF543', 'uniF7C7', 'uniF046',
              'uniF08E']
onlineFonts = TTFont('fonts.woff')

# onlineFonts.saveXML('test.xml')

uni_list = onlineFonts.getGlyphNames()[1:-1]
temp = {}
# 解析字體庫
for i in range(10):
    onlineGlyph = onlineFonts['glyf'][uni_list[i]]
    for j in range(10):
        baseGlyph = baseFonts['glyf'][base_fonts[j]]
        if onlineGlyph == baseGlyph:
            temp["&#x" + uni_list[i][3:].lower() + ';'] = base_nums[j]

# 字符替換
pat = '(' + '|'.join(temp.keys()) + ')'
response_index = re.sub(pat, lambda x: temp[x.group()],     response_index)

# 內(nèi)容提取
index_xml = etree.HTML(response_index)
info_list = index_xml.xpath('//*[@id="app"]/div/div[1]/div[1]        /div/div[2]/ul/li[1]/a/div[2]/div//text()')
a = u'電影名稱：%s, 票房總數(shù)：%s' % (info_list[1], info_list[4])
print(a)