抖音字体反爬,爬虫字体反爬策略——每周一个爬虫小教程系列

 Lan   2020-06-17 09:36   457 人阅读  2 条评论

B站上看到一个关于抖音字体反爬的视频,看完之后,精神抖擞,不禁感觉,我又行了,于是在模拟器上下载了一个抖音,打开了我尘封已久的抖音号。image.png

可以看见显示的数字是正常的,但是查看源码就是错误的。

image.png

image.png

既然是字体反爬,那就得去找下字体,双击下载image.png

然后用在线字体编辑器打开看一下。image.png

我们看到这个数字1的Unicode是$E602,是不是和源代码中的差不多呢。

image.pngimage.png

在教程里面说到对于字体反爬,需要用模块将字体转为xml,相当于字典,然后就这样替换吧。

将字体文件转换为xml文件需要用到的模块是fonttoole,这里需要自行安装一下。

image.png

from fontTools.ttLib import TTFont

font = TTFont('iconfont_9eb9a50.woff')
font.saveXML('DouYinFont.xml')

转换完成之后的XML文件。

image.png

我们来搜索一下我们之前的数字1,他的Unicode就是E602,然后可以发现这里和之前在线字体网站上的结果是一样的

image.png

image.png

然后我们来将XML文件提取出来,并输出一下(XML提取我目前也不会,所以是跟着教程写的,后期再去了解一下吧)

a = font['cmap'].getBestCmap()
print(a)

image.png

这个时候发现似乎这些都变成了数字,而不是之前的$E602这样子的,是因为进制转换了,由原始的16进制,转成了10进制。

image.png

然后我们需要将这个字典中的十进制数字转成这种16进制,然后还得把0x替换为&#x

然后用代码实现就是酱紫的,大概就是提取出cmap这个节点的信息,然后遍历这个字典,然后重新转换成16进制然后变成字符串,在替换一下。

a = font['cmap'].getBestCmap()
b = {}
for key, value in a.items():
    b[str(hex(key)).replace('0x', '&#x')] = value
print(b)

然后就是用代码将num_这些转换为数字,参照这张字体在线编辑器的即可

image.png

c = {
    'num_': '1',
    'num_1': '0',
    'num_2': '3',
    'num_3': '2',
    'num_4': '4',
    'num_5': '5',
    'num_6': '6',
    'num_7': '9',
    'num_8': '7',
    'num_9': '8',
}

然后改进一下之前的代码:

for key, value in a.items():
    b[str(hex(key)).replace('0x', '&#x')] = c[value]
print(b)

image.png

然后为了和网页源码里面一样( )所以还需要做一些修改,在后面加一个分号和空格。

for key, value in a.items():
    b[str(hex(key)).replace('0x', '&#x')+'; '] = c[value]
print(b)

image.png

然后就是请求源码,然后替换了。

headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) ApplewebKit/537.36 (KHtml, like Gecko) Chrome/83.0.4103.97 Safari/537.36',
}
url = 'https://www.iesdouyin.com/share/user/91723415754'
res = requests.get(url=url, headers=headers).text
for key, value in b.items():
    if key in res:
        res = res.replace(key, value+' ')
print(res)

image.png

本文地址:https://www.lanol.cn/post/294.html
版权声明:本文为原创文章,版权归 Lan 所有,欢迎分享本文,转载请保留出处!

 发表评论


表情

 评论列表

  1. 访客
    访客  @回复

    要断更了吗,爷青结