反爬原理

利用字體文件，對顯示的字體進行修改，使得頁面中為標準字體而html代碼中的字體為亂碼形態(tài)。

破解原理

找到字體文件，找到字體文件中，每個字對應的字典，然后對HTML代碼中的亂碼進行替換。

目標網(wǎng)站

https://book.qidian.com/info/1021578238@Anzw

爬取思路

1、找到目標網(wǎng)站的請求方式
2、確定爬取文件
3、找到加密字體
4、爬取數(shù)據(jù)

爬取步驟

1、通過f12開發(fā)者工具找到請求頁面，查看頁面信息，確定請求為GET請求

2、找到要爬取的數(shù)據(jù)，發(fā)現(xiàn)是一堆亂碼，無法正確讀出數(shù)字
3、根據(jù)span標簽的class屬性到css中找到定義的css,從中可以找到字體文件名

4、按CTRL + shift +f 進行全局搜索文件名（本次文件名為ttDVCePS）文件名可能隨時變動的

5、點擊搜索到的結(jié)果可以進入到html詳情頁面

6、在詳情頁中再次搜索文件名，找到文件位置，向后在次找到(.ttf)字體文件的文件的url,下載字體文件。字體加密所對用的字典都在這個文件中。

7、python 可以利用TTFont打開字體文件，然后對字體文件進行操作，操作如下：
7.1、安裝TTFont
pip install fontTools
7.2 導入TTFont模塊
from fontTools.ttLib import TTFont
7.3 把 .ttf文件修改格式保存為xml文件
TTFont('文件名')用來打開.ttf文件，其中saveXML（）用來保存為xml格式的文件

a = TTFont('RyCKowTQ.ttf')
a.saveXML('a.xml')

8、打開.xml文件，（瀏覽器、sublime、pycharm都可以打開）找到文字，id為正常文字，name為加密后的值，選一個name在文件中進行搜索

9、搜索到網(wǎng)頁中顯示的字體，code就是網(wǎng)頁中對應的值。所有對應都在<cmap></cmap>中

10、利用Python提取cmap中對應的字典
aa['cmap'].getBestCmap()

如果字體文件不變，則可以把字體字典直接保存下來。

#coding:utf-8
import sys
import requests,io
from fontTools.ttLib import TTFont
seeion = requests.session()
url = 'https://qidian.gtimg.com/qd_anti_spider/CultUYUT.ttf'
a = seeion.get(url)
aa = TTFont(io.BytesIO(a.content))
a = TTFont('RyCKowTQ.ttf')
a.saveXML('a.xml')
bb = aa['cmap'].getBestCmap()
print(bb)