字形|都会_CSS字体加密反反爬通用方法

篇首语：本文由编程笔记#小编为大家整理，主要介绍了CSS字体加密反反爬通用方法相关的知识，希望对你有一定的参考价值。

文章目录

• • 前言
  • 环境配置
  • • 下载tesseract
    • 下载训练集
    
    
  • 识别代码
  • 效果演示
  • 58同城招聘
  
  

前言

对于CSS字体加密&＃xff0c;我目前遇到了这几种情况&＃xff1a;

1. 字体字形坐标点与编码之间的对应关系不会随着多次请求而变化&＃xff0c;例如&＃xff1a;58同城房子出租
2. 字体字形坐标点每次请求时&＃xff0c;位置不固定&＃xff0c;但是每个文字的打点数量一致&＃xff0c;例如&＃xff1a;猿人学第7题
3. 字体的打点坐标点与打点数量随着每次请求都会发生变换&＃xff0c;例如&＃xff1a;58同城招聘

我们之所以认为1这个形状是数字一。是因为我们通过学习后才懂得&＃xff0c;“哦&＃xff01;这个是 ‘1‘ 。”

所以&＃xff0c;为了让电脑识别出文字&＃xff0c;就可以依靠机器学习&＃xff0c;啊&＃xff0c;但是我不会。直接上手机器学习针对的是比较难识别的图像&＃xff0c;例如&＃xff1a;复杂的验证码。

对于有规则的字体&＃xff0c;我们就可以借助OCR&＃xff08;光学字符识别)识别文字。

本文使用到就是**tesseract-ocr&＃43;简体中文训练集**

大致流程&＃xff1a;

根据已有的字体文件&＃xff0c;将这些字体绘制到图片上&＃xff0c;再通过OCR识别这些字符。

注意&＃xff1a;

1. 字体越多&＃xff0c;识别花费的时间就越长&＃xff1b;
2. 能通过字体文件规律解密的&＃xff0c;则不建议使用这种方法&＃xff1b;

环境配置

环境配置参考文章&＃xff1a;
https://blog.csdn.net/u010454030/article/details/80515501

下载tesseract

tesseract-ocr-setup-3.05.02下载

下载训练集

中文训练集下载

识别代码

# -*- coding: utf-8 -*-
"""
Created on 2021/4/27 16:34
---------
&＃64;summary:
---------
&＃64;author: mkdir700
&＃64;email: mkdir700&＃64;gmail.com
"""
import base64
import numpy
import pytesseract
from fontTools.ttLib import TTFont
from PIL import Image, ImageDraw, ImageFont
def fontConvert(fontPath):
"""
解析字体文件
:param fontPath: 字体文件路径
:return: 编码和汉字的对应关系
"""
font &＃61; TTFont(fontPath)
codeList &＃61; font.getGlyphOrder()[1:]
# print(codeList)

# 创建画布
im &＃61; Image.new("RGB", (1800, 1000), (255, 255, 255))
dr &＃61; ImageDraw.Draw(im)

# 加载字体文件对象
font &＃61; ImageFont.truetype(fontPath, 40)

word_count &＃61; len(codeList)
if word_count >&＃61; 40:
lines &＃61; word_count // 40 # 文字排列的行数&＃xff0c;在图片上分行展示
else:
lines &＃61; word_count
arrayList &＃61; numpy.array_split(codeList, lines)
# print(arrayList)

# 将字体文件中的文字绘制成图片
for t in range(lines):
newList &＃61; [i.replace("uni", "\\\\u") for i in arrayList[t]]
text &＃61; "".join(newList)
text &＃61; text.encode(&＃39;utf-8&＃39;).decode(&＃39;unicode_escape&＃39;)
dr.text((0, 50 * t), text, font&＃61;font, fill&＃61;"#000000")

im.save("temp.jpg")
# im &＃61; Image.open("temp.jpg") #可以将图片保存到本地&＃xff0c;以便于手动打开图片查看
result &＃61; pytesseract.image_to_string(im, lang&＃61;"chi_sim")
result &＃61; result.replace(" ", "").replace("\\n", "")
codeList &＃61; [i.replace("uni", "&＃x") for i in codeList]
return dict(zip(codeList, list(result)))
if __name__ &＃61;&＃61; &＃39;__main__&＃39;:
b &＃61; "xxxx&＃61;"
content: bytes &＃61; base64.b64decode(b.encode())
with open(&＃39;./1.ttf&＃39;, &＃39;wb&＃39;) as f:
f.write(content)
print(fontConvert(&＃39;./1.ttf&＃39;))



效果演示

站点&＃xff1a;58同城

地址&＃xff1a;https://bj.58.com/searchjob/

右键查看源代码可查看字体文件的base64编码

站点&＃xff1a;大众点评

地址&＃xff1a;http://www.dianping.com/shop/H7CLU1zL7C5X891z