【字体反爬】的起点，月票数解析，一个小小的Python案例【2】

@[toc]

⛳️ 实战起点

本次要采集的目标站点为 https://Python脱敏处理.qidian.Python脱敏处理/rank/yuepiao/。

月票榜单的数字为特殊字体，并且 class 看起来为一个加密字符串。

测试之后发现，字体样式恰好是字体文件名称，并且每次刷新都会发生变化。

下载字体矢量图之后，查看编码发现只是简单的中英文对照关系。

字体矢量图解析就非常简单了，下面我们优先获取字体文件。

⛳️ 实战编码

接下来获取网页源码，然后尝试提取其中的字体文件。

import re
import requests

base_url = 'https://www.qidian.com/rank/yuepiao'


headers = {
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.4951.67 Safari/537.36',
    'Host': 'www.qidian.com'
}
response = requests.get(base_url, headers=headers)
# print(response.text)

font_url = re.findall(r"\); src: url\('(.*?)'\) format\('woff'\)", response.text)[0]

print(font_url)

得到的字体文件如下所示。

https://qidian.gtimg.com/qd_anti_spider/wWZgjsqu.woff

其实到这里本案例已经结束了，当你获取到字体文件只有，可以对其进行存储与解析。

from fontTools.ttLib import TTFont

import io
res_font = requests.get(font_url)
font = TTFont(io.BytesIO(res_font.content))
print(font)

# 编码对应关系
font_cmap = font.getBestCmap()
print(font_cmap)

📢📢📢📢📢📢
💗 你正在阅读 【梦想橡皮擦】 的博客
👍 阅读完毕，可以点点小手赞一下
🌻 发现错误，直接评论区中指正吧
📆 橡皮擦的第 677 篇原创博客

从订购之日起，案例 5 年内保证更新