论字体反爬通杀

DreamMark

前言
字体反爬， 其实就是在网页端加载一种字体文件，通过映射，在页面上显示正常。传统的方式就是找到目标ttf 文件，人为得映射乱码和真实字符。但是当ttf 更新频繁时，人为对照成本就很高了。针对上面的痛点，想了一种成本较低得方法来解决这个问题。通过调研发现Python 的image 类是可以加载字体文件的，那结合机器学习文字识别那就可以很轻松的拿到 乱码和字体的映射。现在问题是找到一个靠谱的汉字识别模型。对比市面上的汉字识别模型， 最终采用了cnocr 模型。当然使用模型是有准确率的，最终的结果最好还是自己验证一次。
环境安装
python : 3.8.8
win10 系统
安装cnocr
pip install cnocr
如果报错 ：
1. ERROR: Failed building wheel for Polygon3
直接通过whl 安装Polygon3
  https://www.lfd.uci.edu/~gohlke/pythonlibs/#polygon
即在上述链接中 选择 Polygon3-3.0.9.1-cp38-cp38-win_amd64.whl 下载安装即可
2, 在实际执行中发现 cv2找不到 某个函数，不要犹豫，大概率是opencv-python 的差异，建议直接升级到最高版本
pip install --user opencv-python --upgrade
代码&效果展示

[Python] 纯文本查看 复制代码

?

01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63

import os from PIL import ImageFont, Image, ImageDraw   from cnocr import CnOcr import numpy as np from fontTools.ttLib import TTFont import requests from io import BytesIO     def font_to_img(code_list, filename, ignore_flag=True, score=0.95):     normal_dict = {}     be_padding_dict = {}     ocr = CnOcr()     """         将字体画成图片         code_list: 加密字符列表         filename: 字体文件         ignore_flag：是否忽视 sorce 返回结果         score: 识别准确率默认 95%以上     """     for char_list in code_list:         char_code = char_list.encode().decode()         img_size = 1024         img = Image.new('1', (img_size, img_size), 255)         draw = ImageDraw.Draw(img)         font = ImageFont.truetype(filename, int(img_size * 0.7))         x, y = draw.textsize(char_code, font=font)         draw.text(((img_size - x) // 2, (img_size - y) // 2), char_code, font=font, fill=0)         # 将单通道 转为 三通道         img = img.convert("RGB")         # word = ocr.ocr_for_single_line("%s.jpg" % mame_ocr)         word = ocr.ocr_for_single_line(np.array(img))         if word["score"] >= score:             # 处理重复名字             # img.save("%s_%s.jpg" % (char_code, word["text"]))             normal_dict[char_code] = word["text"]         else:             be_padding_dict[char_code] = word             img.save("%s_%s_be_padding.jpg" % (char_code, word["text"]))             if ignore_flag:                 normal_dict[char_code] = word["text"]     return normal_dict, be_padding_dict     def ttf_parse(url, ttf_name):     """         根据url 获取返回值     """     response = requests.get(url)     font_parse = TTFont(BytesIO(response.content))     font_parse.save(ttf_name)     m_dict = font_parse.getBestCmap()     unicode_list = []     for key, _ in m_dict.items():         unicode_list.append(key)     # 获取需要判断的字符     char_list = [chr(ch_unicode) for ch_unicode in unicode_list]     normal_dict, error_dict = font_to_img(char_list, ttf_name)     print(normal_dict)     print(error_dict)     # 删除字体文件     os.remove(ttf_name)

效果
{'\uec20': '公', '\uec29': '是', '\uec2a': '当', '\uec31': '矮', '\uec33': '了', '\uec3a': '保', '\uec43': '近', '\uec44': '味', '\uec4c': '七', '\uec4d': '的', '\uec56': '量', '\uec5f': '坐', '\uec60': '地', '\uec66': '盘', '\uec67': '只', '\uec70': '身', '\uec79': '不', '\uec7a': '八', '\uec82': '三', '\uec8c': '养', '\uec93': '雨', '\uec95': '二', '\uec9c': '很', '\uec9d': '内', '\ueca6': '硬', '\uecad': '过', '\uecaf': '下', '\uecb8': '控', '\uecc0': '空', '\uecc2': '长', '\uecc9': '开', '\ueccb': '低', '\uecda': '真', '\uecdc': '副', '\uece3': '动', '\uece5': '实', '\ueced': '自', '\uecf6': '少', '\uecf8': '启', '\uecfd': '右', '\uecff': '和', '\ued08': '十', '\ued09': '多', '\ued10': '比', '\ued12': '五', '\ued19': '门', '\ued23': '着', '\ued2b': '油', '\ued2c': '音', '\ued35': '手', '\ued3e': '软', '\ued3f': '小', '\ued45': '无', '\ued46': '六', '\ued4f': '泥', '\ued58': '中', '\ued59': '路', '\ued61': '大', '\ued62': '响', '\ued6b': '加', '\ued72': '排', '\ued74': '机', '\ued7b': '高', '\ued7c': '级', '\ued85': '冷', '\ued8e': '灯', '\ued8f': '耗', '\ued97': '呢', '\ued9f': '问', '\ueda1': '上', '\ueda8': '四', '\uedaa': '九', '\uedb1': '一', '\uedbb': '档', '\uedbd': '皮', '\uedc2': '性', '\uedc4': '左', '\uedcc': '里', '\uedcd': '更', '\uedd5': '短', '\uedd7': '光', '\ueddc': '好', '\uedde': '外', '\uedef': '来', '\uedf1': '远', '\uedf8': '有', '\uedfa': '坏', '\uee02': '孩', '\uee0a': '得', '\uee0b': '电'}
以评分95% 做分割 ，下面是可能不对的，经过对比图片发现没有错误。只是评分较低。
{'\uec33': {'text': '了', 'score': 0.8509207963943481}, '\uec7a': {'text': '八', 'score': 0.8456708192825317}, '\uec82': {'text': '三', 'score': 0.8965854644775391}, '\uec95': {'text': '二', 'score': 0.9056768417358398}, '\uecaf': {'text': '下', 'score': 0.8665554523468018}, '\uece3': {'text': '动', 'score': 0.9179448485374451}, '\ueced': {'text': '自', 'score': 0.9478009343147278}, '\uecfd': {'text': '右', 'score': 0.8674691319465637}, '\uedb1': {'text': '一', 'score': 0.8194031715393066}, '\uedde': {'text': '外', 'score': 0.9190731048583984}, '\uee02': {'text': '孩', 'score': 0.6236460208892822}}

wapython

大佬nb，测试可用，补充依赖：

[Asm] 纯文本查看 复制代码

?

01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16

import os # pip install Pillow==9.5.0 from PIL import ImageFont, Image, ImageDraw     # pip install Polygon3-3.0.9.1-cp38-cp38-win_amd64.whl # pip install cnocr     # 注：cnocr==2.2.4.2 from cnocr import CnOcr   import numpy as np from fontTools.ttLib import TTFont import requests from io import BytesIO   # 其他依赖 # pip install onnxruntime    # 注：onnxruntime==1.16.3

雪辉

看到标题我就想到了起点

狂三丶

楼主牛逼，确实通杀大部分css加密，实测了一波，文字识别改成了ddddorc，感觉识别率不错。

[Python] 纯文本查看 复制代码

?

01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46

import ddddocr from PIL import ImageFont, Image, ImageDraw from fontTools.ttLib import TTFont     def font_to_img(code_list, filename):     normal_dict = {}     """         将字体画成图片         code_list: 加密字符列表         filename: 字体文件     """     for char_list in code_list:         char_code = char_list.encode().decode()         img_size = 1024         img = Image.new('1', (img_size, img_size), 255)         draw = ImageDraw.Draw(img)         font = ImageFont.truetype(filename, int(img_size * 0.7))         x, y = draw.textsize(char_code, font=font)         draw.text(((img_size - x) // 2, (img_size - y) // 2), char_code, font=font, fill=0)         # 将单通道 转为 三通道         img = img.convert("RGB")         ocr = ddddocr.DdddOcr()         res = ocr.classification(img)         normal_dict[char_code] = res     return normal_dict   # ttf_name为本地文件ttf文件路径 def ttf_parse(ttf_name):     with open(ttf_name, 'rb') as f:         font_parse = TTFont(f)         m_dict = font_parse.getBestCmap()         unicode_list = []         for key, value in m_dict.items():             print("{}-->{}".format(value, chr(key)))             unicode_list.append(key)         # 获取需要判断的字符         char_list = [chr(ch_unicode) for ch_unicode in unicode_list]         normal_dict = font_to_img(char_list, ttf_name)         print(normal_dict)         # 删除字体文件         # os.remove(ttf_name)     if __name__ == '__main__':     ttf_parse("7.ttf")

rsndm

支持一下

XuJingDaoZhang

起点反爬很厉害  这个工具可以解决起点的反盗版

mcby

大佬手机可以吗？

2303

厉害厉害

xiaofei09520

必须支持一波

amwquhwqas128

非常感谢分享的文章

ARKyuyan

非常不错的文章