利用python爬蟲(chóng)怎么破解加密字體-創(chuàng)新互聯(lián)

本篇文章為大家展示了利用python爬蟲(chóng)怎么破解加密字體，內(nèi)容簡(jiǎn)明扼要并且容易理解，絕對(duì)能使你眼前一亮，通過(guò)這篇文章的詳細(xì)介紹希望你能有所收獲。

棗莊ssl適用于網(wǎng)站、小程序/APP、API接口等需要進(jìn)行數(shù)據(jù)傳輸應(yīng)用場(chǎng)景，ssl證書(shū)未來(lái)市場(chǎng)廣闊！成為創(chuàng)新互聯(lián)公司的ssl證書(shū)銷(xiāo)售渠道，可以享受市場(chǎng)價(jià)格4-6折優(yōu)惠！如果有意向歡迎電話聯(lián)系或者加微信：13518219792（備注：SSL證書(shū)合作）期待與您的合作！

python是什么意思

Python是一種跨平臺(tái)的、具有解釋性、編譯性、互動(dòng)性和面向?qū)ο蟮哪_本語(yǔ)言，其最初的設(shè)計(jì)是用于編寫(xiě)自動(dòng)化腳本，隨著版本的不斷更新和新功能的添加，常用于用于開(kāi)發(fā)獨(dú)立的項(xiàng)目和大型項(xiàng)目。

案例目的：

通過(guò)爬取起小點(diǎn)小說(shuō)月票榜的名稱(chēng)和月票數(shù)，介紹如何破解字體加密的反爬，將加密的數(shù)據(jù)轉(zhuǎn)化成明文數(shù)據(jù)。

程序功能：

輸入要爬取的頁(yè)數(shù)，得到每一頁(yè)對(duì)應(yīng)的小說(shuō)名稱(chēng)和月票數(shù)。

案例分析： 找到目標(biāo)的url：

（右鍵檢查）找到小說(shuō)名稱(chēng)所在的位置：

通過(guò)名稱(chēng)所在的節(jié)點(diǎn)位置，找到小說(shuō)名稱(chēng)的xpath語(yǔ)法：

（右鍵檢查）找到月票數(shù)所在的位置：

由上圖發(fā)現(xiàn)，檢查月票數(shù)據(jù)的文本，得到一串加密數(shù)據(jù)。

我們通過(guò)xpathhelper進(jìn)行調(diào)試發(fā)現(xiàn)，無(wú)法找到加密數(shù)據(jù)的語(yǔ)法。因此，需要通過(guò)正則表達(dá)式進(jìn)行提取。

通過(guò)正則進(jìn)行數(shù)據(jù)提取。

正則表達(dá)式如下：

得到的加密數(shù)據(jù)如下：

破解加密數(shù)據(jù)是本次案例的關(guān)鍵：

既然是加密數(shù)據(jù)，就會(huì)有加密數(shù)據(jù)所對(duì)應(yīng)的加密規(guī)則的Font文件。
通過(guò)找到Font字體文件中數(shù)據(jù)加密文件的url，發(fā)送請(qǐng)求，獲取響應(yīng)，得到加密數(shù)據(jù)的woff文件。

注：我們需要的woff文件，名稱(chēng)與加密月票數(shù)前面的class屬性相同。

如下圖，下載woff文件：

找到16進(jìn)制的數(shù)字對(duì)應(yīng)的英文數(shù)字。

其次，我們需要通過(guò)第三方庫(kù)TTFont將文件中的16進(jìn)制數(shù)轉(zhuǎn)換成10進(jìn)制，將英文數(shù)字轉(zhuǎn)換成阿拉伯?dāng)?shù)字。如下圖：

解析出每個(gè)加密數(shù)據(jù)對(duì)應(yīng)的對(duì)應(yīng)的月票數(shù)的數(shù)字如下：

注意：

由于我們?cè)谏厦嫱ㄟ^(guò)正則表式獲得的加密數(shù)據(jù)攜帶特殊符號(hào)

因此解析出月票數(shù)據(jù)中的數(shù)字之后，除了將特殊符號(hào)去除，還需把每個(gè)數(shù)字進(jìn)行拼接，得到最后的票數(shù)。

最后，通過(guò)對(duì)比不同頁(yè)的url，找到翻頁(yè)的規(guī)律：

對(duì)比三個(gè)不同url發(fā)現(xiàn)，翻頁(yè)的規(guī)律在于參數(shù)page

所以問(wèn)題分析完畢，開(kāi)始代碼：

import requests
from lxml import etree
import re
from fontTools.ttLib import TTFont
import json

if __name__ == '__main__':
  # 輸入爬取的頁(yè)數(shù)、
  pages = int(input('請(qǐng)輸入要爬取的頁(yè)數(shù)：')) # eg:pages=1,2
  for i in range(pages): # i=0,(0,1)
    page = i+1  # 1,(1,2)
    # 確認(rèn)目標(biāo)的url
    url_ = f'https://www.qidian.com/rank/yuepiao?page={page}'
    # 構(gòu)造請(qǐng)求頭參數(shù)
    headers = {
      'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.150 Safari/537.36'
    }
    # 發(fā)送請(qǐng)求，獲取響應(yīng)
    response_ = requests.get(url_,headers=headers)
    # 響應(yīng)類(lèi)型為html問(wèn)文本
    str_data = response_.text
    # 將html文本轉(zhuǎn)換成python文件
    py_data = etree.HTML(str_data)
    # 提取文本中的目標(biāo)數(shù)據(jù)
    title_list = py_data.xpath('//h5/a[@target="_blank"]/text() ')
    # 提取月票數(shù),由于利用xpath語(yǔ)法無(wú)法提取，因此換用正則表達(dá)式，正則提取的目標(biāo)為response_.text
    mon_list = re.findall('</style><span class=".*?">(.*?)</span></span>',str_data)
    print(mon_list)
    # 獲取字體反爬woff文件對(duì)應(yīng)的url，xpath配合正則使用
    fonturl_str = py_data.xpath('//p/span/style/text()')
    font_url = re.findall(r"format\('eot'\); src: url\('(.*?)'\) format\('woff'\)",str_data)[0]
    print(font_url)
    # 獲得url之后，構(gòu)造請(qǐng)求頭獲取響應(yīng)
    headers_ = {
      'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.150 Safari/537.36',
      'Referer':'https://www.qidian.com/'
    }
    # 發(fā)送請(qǐng)求，獲取響應(yīng)
    font_response = requests.get(font_url,headers=headers_)
    # 文件類(lèi)型未知，因此用使用content格式
    font_data = font_response.content
    # 保存到本地
    with open('加密font文件.woff','wb')as f:
      f.write(font_data)
    # 解析加密的font文件
    font_obj = TTFont('加密font文件.woff')
    # 將文件轉(zhuǎn)成明文的xml文件
    font_obj.saveXML('加密font文件.xml')
    # 獲取字體加密的關(guān)系映射表，將16進(jìn)制轉(zhuǎn)換成10進(jìn)制
    cmap_list = font_obj.getBestCmap()
    print('字體加密關(guān)系映射表：',cmap_list)
    # 創(chuàng)建英文轉(zhuǎn)英文的字典
    dict_e_a = {'one':'1','two':'2','three':'3','four':'4','five':'5','six':'6',
          'seven':'7','eight':'8','nine':'9','zero':'0'}
    # 將英文數(shù)據(jù)進(jìn)行轉(zhuǎn)換
    for i in cmap_list:
      for j in dict_e_a:
        if j == cmap_list[i]:
          cmap_list[i] = dict_e_a[j]
    print('轉(zhuǎn)換為阿拉伯?dāng)?shù)字的映射表為：',cmap_list)
    # 去掉加密的月票數(shù)據(jù)列表中的符號(hào)
    new_mon_list = []
    for i in mon_list:
      list_ = re.findall(r'\d+',i)
      new_mon_list.append(list_)
    print('去掉符號(hào)之后的月票數(shù)據(jù)列表為：',new_mon_list)
    # 最終解析月票數(shù)據(jù)
    for i in new_mon_list:
      for j in enumerate(i):
        for k in cmap_list:
          if j[1] == str(k):
            i[j[0]] = cmap_list[k]
    print('解析之后的月票數(shù)據(jù)為:',new_mon_list)
    # 將月票數(shù)據(jù)進(jìn)行拼接
    new_list = []
    for i in new_mon_list:
      j = ''.join(i)
      new_list.append(j)
    print('解析出的明文數(shù)據(jù)為：',new_list)
    # 將名稱(chēng)和對(duì)應(yīng)的月票數(shù)據(jù)放進(jìn)字典，并轉(zhuǎn)換成json格式及進(jìn)行保存
    for i in range(len(title_list)):
      dict_ = {}
      dict_[title_list[i]] = new_list[i]
      # 將字典轉(zhuǎn)換成json格式
      json_data = json.dumps(dict_,ensure_ascii=False)+',\n'
      # 將數(shù)據(jù)保存到本地
      with open('翻頁(yè)起小點(diǎn)月票榜數(shù)據(jù)爬取.json','a',encoding='utf-8')as f:
        f.write(json_data)

爬取了兩頁(yè)的數(shù)據(jù)，每一頁(yè)包含20個(gè)數(shù)據(jù)

執(zhí)行結(jié)果如下：

上述內(nèi)容就是利用python爬蟲(chóng)怎么破解加密字體，你們學(xué)到知識(shí)或技能了嗎？如果還想學(xué)到更多技能或者豐富自己的知識(shí)儲(chǔ)備，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道。

名稱(chēng)欄目：利用python爬蟲(chóng)怎么破解加密字體-創(chuàng)新互聯(lián)
轉(zhuǎn)載源于：http://muchs.cn/article34/ddospe.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供營(yíng)銷(xiāo)型網(wǎng)站建設(shè)、虛擬主機(jī)、網(wǎng)站營(yíng)銷(xiāo)、服務(wù)器托管、App設(shè)計(jì)、網(wǎng)站設(shè)計(jì)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶(hù)投稿、用戶(hù)轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)