python爬蟲破解字體加密案例詳解

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

if __name__ == '__main__':
  # 輸入爬取的頁數、
  pages = int(input('請輸入要爬取的頁數：')) # eg:pages=1,2
  for i in range(pages): # i=0,(0,1)
    page = i+1  # 1,(1,2)
    # 確認目標的url
    url_ = f'https://www.qidian.com/rank/yuepiao?page={page}'
    # 構造請求頭參數
    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'
    }
    # 發送請求，獲取響應
    response_ = requests.get(url_,headers=headers)
    # 響應類型為html問文本
    str_data = response_.text
    # 將html文本轉換成python文件
    py_data = etree.HTML(str_data)
    # 提取文本中的目標數據
    title_list = py_data.xpath('//h4/a[@target="_blank"]/text() ')
    # 提取月票數,由於利用xpath語法無法提取，因此換用正則表達式，正則提取的目標為response_.text
    mon_list = re.findall('</style><span class=".*?">(.*?)</span></span>',str_data)
    print(mon_list)
    # 獲取字體反爬woff文件對應的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之後，構造請求頭獲取響應
    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/'
    }
    # 發送請求，獲取響應
    font_response = requests.get(font_url,headers=headers_)
    # 文件類型未知，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')
    # 將文件轉成明文的xml文件
    font_obj.saveXML('加密font文件.xml')
    # 獲取字體加密的關系映射表，將16進制轉換成10進制
    cmap_list = font_obj.getBestCmap()
    print('字體加密關系映射表：',cmap_list)
    # 創建英文轉英文的字典
    dict_e_a = {'one':'1','two':'2','three':'3','four':'4','five':'5','six':'6',
          'seven':'7','eight':'8','nine':'9','zero':'0'}
    # 將英文數據進行轉換
    for i in cmap_list:
      for j in dict_e_a:
        if j == cmap_list[i]:
          cmap_list[i] = dict_e_a[j]
    print('轉換為阿拉伯數字的映射表為：',cmap_list)
    # 去掉加密的月票數據列表中的符號
    new_mon_list = []
    for i in mon_list:
      list_ = re.findall(r'\d+',i)
      new_mon_list.append(list_)
    print('去掉符號之後的月票數據列表為：',new_mon_list)
    # 最終解析月票數據
    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('解析之後的月票數據為:',new_mon_list)
    # 將月票數據進行拼接
    new_list = []
    for i in new_mon_list:
      j = ''.join(i)
      new_list.append(j)
    print('解析出的明文數據為：',new_list)
    # 將名稱和對應的月票數據放進字典，並轉換成json格式及進行保存
    for i in range(len(title_list)):
      dict_ = {}
      dict_[title_list[i]] = new_list[i]
      # 將字典轉換成json格式
      json_data = json.dumps(dict_,ensure_ascii=False)+',\n'
      # 將數據保存到本地
      with open('翻頁起小點月票榜數據爬取.json','a',encoding='utf-8')as f:
        f.write(json_data)