python爬虫---字体反爬

目标地址：http://glidedsky.com/level/web/crawler-font-puzzle-1

打开google调试工具检查发现网页上和源码之中的数字不一样, 已经确认该题目为 字体反扒 直接进入正题：

获取字体文件：

1丶直接找到数字节点属性：style 的 font-family 的值：glided_sky，在源码中找到 引入的的字体文件 并保存下来到本地

2丶该字体文件通过base64编码保存的 直接请求 将编码的值 和 节点中的数字内容 获取到 (获取的方式自己选择合适的即可，本文使用 pyquery 模块进行操作 )

import base64
import requests
from pyquery import PyQuery as pyq

response = requests.get(f'http://glidedsky.com/level/web/crawler-font-puzzle-1?page=1', headers=headers, cookies=cookies,verify=False)
doc = pyq(response.text)
cts = doc('style')
base_info = ''.join([ pyq(i).text().split('base64,')[1].split(')')[0] for i in cts])
cts = doc('.col-md-1')
num_list = ([pyq(i).text() for i in cts])
print(f' num_list {num_list}')

3丶将获取得到的base64值保存为本地 .ttf 并将 源码中的数值进行匹配 得到网页上展示的真正值

将保存的字体文件使用 字体编辑器 打开并手动确认编码和数字之间的对应关系

具体实现代码如下

# 字体转换
def font_switch(base_info, number_info):
    page_one = base_info
    b=base64.b64decode(page_one)
    with open('new_page.ttf','wb')as f:
        f.write(b)
    font=TTFont('main.ttf')    # 提前保存的一份本地文件 打开本地字体文件local.ttf
    # font.saveXML('main.xml')   #将ttf文件转化成xml格式并保存到本地，主要是方便我们查看内部数据结构
    obj_list1=font.getGlyphNames()[1:]   #获取所有字符的对象，去除第一个
    uni_list1=font.getGlyphOrder()[1:] #获取所有编码，去除前1个
    print(f' uni_list1  {uni_list1}')

    # 手动确认编码和数字之间的对应关系，保存到字典中
    dict={
        'seven':6,
        'six':8,
        'four':0,
        'eight':5,
        'two':1,
        'five':4,
        'one':9,
        'zero':7,
        'nine':2,
        'three':3,
    }

    # 网页新下载的
    font2=TTFont('new_page.ttf')  # 打开新下载的字体文件
    obj_list2=font2.getGlyphNames()[1:]   #获取所有字符的对象，去除第一个
    uni_list2=font2.getGlyphOrder()[1:] #获取所有编码，去除前1个
    new_dict= {}
    for uni2 in uni_list2:
        print(f'uni2 : {uni2}')
        obj2=font2['glyf'][uni2]  #获取编码uni2在new_page.ttf中对应的对象
        for uni1 in uni_list1:
            obj1=font['glyf'][uni1]
            if obj1==obj2:
                new_dict[f'{uni2}'] = dict[uni1]
    # 得到字体转化后的真正值
    print(f' new_dict  {new_dict}')

    #TODO 将传进来的数字转化
    number = number_info
    # 列表
    lists = [
        'zero',
        'one',
        'two',
        'three',
        'four',
        'five',
        'six',
        'seven',
        'eight',
        'nine',
    ]
    new_number = [int(''.join([str(new_dict[lists[int(n)]]) for n in num])) for num in number]
    return sum(new_number)

将获取的值传入这个方法就能获取得到网页上的正确数值了

！！！搞定！！！ 将剩下的 999 页的值 统计出来 求和 就得到了正确答案