起点中文网字体反爬

要爬取它的数字字体如图起点中文网字体反爬
首先要获得其字体文件.ttf
再网页源代码里寻找

下载此ttf文件并在FontCreator里查看

用一个新字典把英文对应成数字和 . 就可以了，然后对应的键值关系进行替换

步骤：
1.用re把.ttf文件下载下来并用fontTools库进行解析，文件是动态加载的
2.找到文件里字体对应的编码（变的）对应于数字字典里的数字
3.进行编码和数字的替换并组合成字符串

要注意的是：
提取字体编码的时候不可以用解析库进行解析，不然编码会被解析成????????????????????了，所以只可用正则表达式把所有编码内容匹配出来

由于是测试解决反爬，此处只爬取一页做测试

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

headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.110 Safari/537.36',
}

def get_font(url):
    response = requests.get(url, headers=headers).content.decode('utf-8')
    font_url = re.search("format\('woff'\), url\('(.*?)'\) format\('truetype'\);", response, re.S).group(1)
    # print(font_url)
    font_content = requests.get(font_url, headers=headers)
    font = TTFont(BytesIO(font_content.content))
    cmap = font.getBestCmap()# 获得字体加密编码对应解码值的字典
    font.close()
    # print(cmap)
    return cmap

def get_encode(cmap,decoded_string):
    word_match_dict = {
        'period': '.', 'zero': '0', 'one': '1', 'two': '2', 'three': '3', 'four': '4',
        'five': '5', 'six': '6', 'seven': '7', 'eight': '8', 'nine': '9',
    }
    encode_string = ''
    decoded_one_list = decoded_string.split(';')
    # 因为原字符串最后一个符号是;这里最后一个元素为空，要除去这个空值，不然会keyError
    decoded_one_list.pop(-1)
    for decoded_one in decoded_one_list:
        decoded_one = int(decoded_one[2:])# 不要&#
        key = cmap[decoded_one]
        encode_string += word_match_dict[key]
    return encode_string

def get_info(url,cmap):
    response = requests.get(url, headers=headers).text
    '''不可以用解析库解析，因为编码会自动被解析掉，只可通过re'''
    # selector = etree.HTML(response)
    # p = selector.xpath('//div[@class="book-detail-wrap center990"]/div[1]/div[2]/p[3]')[0]
    # x = p.xpath('em[1]/span/text()')[0]
    # y = get_encode(cmap,x)
    # print(y)用解析库解析后这些编码就变成小正方型了，而得不到加密的编码
    content = re.findall('</style><span.*?>(.*?)</span>',response,re.S)
    print(content)
    for i in content:
        decode_content = get_encode(font,i)
        print(decode_content,end=' ')

if __name__ == '__main__':
    start_url = 'https://book.qidian.com/info/1013552688'
    font = get_font(start_url)
    get_info(start_url,font)

结果：
起点中文网字体反爬
参考博客
https://blog.csdn.net/IT_arookie/article/details/83180875
https://blog.csdn.net/qq_35741999/article/details/82018049