1、字體反爬原理
- 在CSS3之前，Web開發者必須使用用戶計算機上已有的字體。但是在CSS3時代，開發者可以使用@font-face爲網頁指定字體，開發者可以將心儀的字體文件放在Web服務器上，並在Css樣式中使用它。用戶使用瀏覽器訪問Web應用時，對應的字體會被瀏覽器下載到用戶的計算上。
- CSS的作用是修飾HTML，所以在頁面渲染的時候不會改變HTML文檔內容。由於字體的加載和映射工作是由CSS完成的，所以即使我們藉助Splash、Selenium和Pypeeteer工具也無法獲得對應的文字內容。字體反爬正式利用了這個特點，將自定義字體應用到網頁中重要的數據上，使得爬蟲程序無法獲得正確的數據。
2、 某點評網站字體反爬介紹
- 打開網站某店鋪頁面，郵件檢查店鋪評論數、地址，發現想要查找的數據變成了下面這個樣子：
像這種情況就是字體反爬，對於這類點評網站來說，評分、評論數、金額、店換號碼、店鋪地址、特色菜品、用戶評分、用戶評論、用戶消費金額 等等這些都屬於核心資產，都在加密的範圍內；
-
我們查看右側的 style，發現 地址 對應 style 中 .adress 下 font-family 值爲 PingFangSC-Regular-address，而 電話號碼 對應的 style 中 .num 下 font-family 值爲 PingFangSC-Regular-num，由此我們也可以推斷，不同的網頁內容，加載的字體文件是動態變化的；
![]()
![]()
那具體什麼內容，對應什麼字體文件呢？我們打開 全局 search，搜索 @font-face，找到下面的 .css 文件，打開以後通過分析發現， address、dishname、hours、review、num、shopdesc，分別對應了不同的 .woff 文件，這裏的 .woff 文件就是字體存放的地方；
-
除了通過全局搜索的方式獲取字體文件的 url 地址，也可以鼠標放在 .css 文件名上面，就能看到 .css 文件的 url；
![]()
在實際爬蟲開發的時候一般訪問網頁後，在網頁源代碼中獲取 .css 文件的 url，具體可以通過正則表達式的方式匹配提取；
3、反反爬策略
- 我們這裏以 review 的 woff 文件爲例子，訪問並下載該 woff 文件，之後將下載的文件拖入 https://font.qqe2.com/ ，得到下圖：
- 此時我們發現，每個字符都對應了一個編碼，這裏的編碼代表什麼意思呢？我們打開調試面板，在 Network 中查找 review 相關的 response，通過分析我們發現，返貨的數據中 <svgmtsi class="review"> ;</svgmtsi> 對應實際的漢字 味，查找字體文件我們發現，e255 和字體編碼 unie255 相對應；
- 至此，我們就已經完成了字體反爬的破解工作。
4、代碼實現
核心步驟包括：
-- 訪問網頁，獲取頁面源代碼；
-- 正則匹配查找 .css 文件的 url；
-- 查找 .woff 文件並下載保存；
-- TTFont 模塊讀取 woff 文件，轉換成 xml 保存；
-- 讀取 xml 文件創建映射表；
-- 發起請求獲取 review 等數據；
-- 通過映射表，替換被加密的數據；代碼：
-- 略：參考：https://github.com/downdawn/dzdp/tree/595fbcab21f7e342c51c521c102e8e08ecb6d64f。