css字体反爬通用方案
在爬大众点评的时候 我们也许会遇到下面这种情况, 我们看到的信息明明是正确的,爬虫拿下来就是乱码了 我们打开开发者模式
image.png
发现源码就是乱码的
查看css
image.png
我们把这个css style取消
image.png
这下问题找到了 是css 使用的font文件做了手脚.
将字符的对应font文字图像成正确的信息
image.png
从上图看 就是在字体文件内 的字体就是工(字体图像)
找到问题了, 我们现在用golang读取字体文件 读取对应编码的文字 将文字写入一个图像内, 使用tesseract识别出结果,不就可以了.
代码写完编译成dll文件以供python直接使用,在golang我查找了很多资料 并没有找到直接读取woff字体文件的解决方案,woff转tff需要重新造轮子,这部分暂时使用python实现,
源码已经放在github,自取学习研究
https://github.com/luopeixiong/universal_font_anti_aliasing
第一我们来找到woff文件地址
image.png
打开css引用
image.png
我们找到了woff地址
https://s3plus.meituan.net/v1/mss_73a511b8f91f43d0bdae92584ea6330b/font/85226b1a.woff
需要反混淆的文字 这里我直接复制了
丙232
将2个参数传入anti函数,我们来看看运行结果
image.png
输出了 工人体育场东路丙2号中国红街3号楼2层里
检查结果正确. 完美收工!
欢迎大家star.支持支持
目前字体文件只支持ttf以及woff格式, 目前支持所有用字体文件实现的css反爬.
有疑问加站长微信联系（非本文作者）
