|
|
吾爱游客
发表于 2022-8-3 10:27
1、申 请 I D：爱吃香菜123
2、个人邮箱：2914258815@qq.com
3、原创技术文章：网站字体加密原理，起点中文网小说网站破解字体加密
一，网站字体加密原理
当我们在爬取网站资源时，难免会遇到网站字体加密，js混淆，验证码，ip,cookies检测，base64图片加密等等，这些都是近些年来网站反爬的一些措施，但道高一尺，魔高一丈，既然网站有反爬，那我们就反反爬，逐个去破解这些反爬措施，今天说的就是反爬措施之一———字体加密。
要了解字体加密，肯定要先理解网站是怎么进行字体加密的，这就要用到html，css的知识，下面我用HBuilder X来演示这一过程。
1，css字体隐藏
当在爬取网站时，不免会遇到一下情况，爬取到的数据div里面没有内容
当看到想要的数据网页上有而爬取的页面没有，就要考虑，异步加载和css隐藏了，这里用的是css隐藏，真实的数据在哪里呐，就在css文件里，所以html代码里面是看不到的，这样就实现了简单的加密。
2，网站特殊字体加密
这种方法就是利用网站自己的字体对重要的数据进行加密，使我们爬取到的数据显示为一堆乱码（如下图所示）
下面跟着我来一步一步了解字体加密的过程
首先，在字体网站上随便下载一款字体ttf文件，由于这个ttf文件是对于所有字体都进行一个修改，但我们只想对数字加密，于是要用到Python里面的pyftsubset命令，将字体按数字进行替换（在Pycharm里Terminal里修改）（代码如下）
将修改后的ttf文件转换成svg文件，以便后面使用（ttf在线转svg文件网站分享：https://convertio.co/zh/）
再通过Fontello网站将svg文件编码成font文件，以供加密HTML页面重要数据（Fontello网站分享：https://fontello.com/）
将下载好的font文件放入html文件夹中。
以上就是我了解的两种字体加密方法，当然还有base64加密，动态混淆等等。了解了字体加密的原理，下面就是要怎么上手去破解它，了解原理就是为了破解的时候做到“知其然而知其所以然”，下面当然要找一个字体加密的网站来练手了，我选择的是起点中文网这个小说网站，去爬取网站里VIP小说月票榜，拿到数据并且打印，下面就跟着我的步骤来破解
二，起点中文网小说网站破解字体加密（爬取网站：https://www.qidian.com/rank/yuepiao/chn0/）
1,先用F12打开网站调试器，查看所要数据的情况
2，右键网站查看网站源代码，搜索字体所对应的ttf文件
3，刷新网站，可以发现ttf文件一直在变，所以就需要爬取时，还要取到这个ttf文件的地址
4，既然有了ttf文件，就可以把数字与加密编码做个一一对应，然后就可以正常获取数据了
接下来就是代码实现过程：
import requests
import re
from fontTools.ttLib import TTFont
from lxml import etree
# headers 伪装浏览器访问
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/103.0.0.0 "
"Safari/537.36",
}
response = requests.get("https://www.qidian.com/rank/yuepiao/chn0/", headers=headers)
# 设置正则表达式匹配条件
pattern = re.compile("format\('eot'\); src: url\('(.*?)'\) format\('woff'\)")
fontUrlList = re.findall(pattern, response.text)
# 得到字体文件的链接
fontUrl = fontUrlList[0]
fontResponse = requests.get(fontUrl, headers=headers)
# 将字体文件保存到电脑上
with open('fontWoff.woff', 'wb') as file:
file.write(fontResponse.content)
fontWoff = TTFont("fontWoff.woff")
# 将字体文件保存为xml文件
fontWoff.saveXML('fontXml.xml')
# 获取编码的字体映射表
fontDict = fontWoff.getBestCmap()
numDict = {"zero": "0", "one": "1", "two": "2", "three": "3", "four": "4", "five": "5", "six": "6", "seven": "7",
"eight": "8", "nine": "9"}
combinDict = {}
# 两次遍历使两个字典合并为一个
for k2, v2 in fontDict.items():
for k1, v1 in numDict.items():
if v2 == k1:
combinDict[k2] = v1
html = re.sub(r"&#(\w+?);", r"\1", response.text)
html = etree.HTML(html)
# xpath获取榜单名
result_title = html.xpath('//h2/a/text()')
# xpath获取榜单票数
result_num = html.xpath('//div[@class="total"]//span/text()')
l = []
for i in range(0, len(result_num)):
count = 6
s = ""
while count <= len(result_num):
s += combinDict[int(result_num[count - 6:count])]
count += 6
l.append(s)
count
# 打印出榜单
for i in range(0, len(result_title)):
print(i + 1, result_title, str(l) + "月票")
当然这个网站只是比较简单的字体加密，只是为了练手，了解破解加密的流程，可以尝试更难得一些字体加密，（如大众点评网，汽车之家等等） |
|
发帖前要善用【论坛搜索】功能，那里可能会有你要找的答案或者已经有人发布过相同内容了，请勿重复发帖。 |
|
|
|
|
|
|
[复制链接]
发表于 2022-8-8 11:19
