字体反扒-------某网站字体反扒过程-CSDN博客

网站链接 aHR0cHM6Ly96eHRzLnpqendmdy5nb3YuY24vendtaHd3LyMvaG9tZS9pbmRleC9wdWJsaWMvbW9yZQ==

引出问题

在这里插入图片描述
今天在做爬虫的时候，遇到了返回的数据是乱码的形式，这不是编码导致的，是字体反扒
同时在数据请求后面，还有woff文件的请求

这里就能确定是字体反扒。

字体反扒解决方案

使用python ttfont 库, ttfont库可以读取woff文件，并当前woff文件里每个字体的unicode和字符名称
将woff文件下载，然后读取一下对应的unicode 和字符

这里给提供一个在线查看woff文件内容的网站
https://kekee000.github.io/fonteditor/

这里能看到，将那些复杂的字符都有对应的可读的文字对应
在这里插入图片描述
然后将数据获取后，一个个替换就能完成数据的解析
转换函数如下：

def get_unicode_ranges(font):
    cmap = font['cmap']
    unicode_ranges = {}

    for table in cmap.tables:
        for char_code, char_value in table.cmap.items():
            unicode_char = chr(char_code)
            unicode_ranges[unicode_char] = char_value.replace("uni","\\u").encode().decode('unicode-escape')

    return unicode_ranges


# 加载WOFF文件
font_path = '你的.woff'
font = TTFont(font_path)

# 获取Unicode范围
unicode_ranges = get_unicode_ranges(font)
print("Supported Unicode Characters:", unicode_ranges)