吾爱破解 - LCG - LSG |安卓破解|病毒分析|www.52pojie.cn

 找回密码
 注册[Register]

QQ登录

只需一步,快速开始

搜索
查看: 3553|回复: 33
收起左侧

[Web逆向] 使用ddddocr解决某汽车论坛网站字体反爬

[复制链接]
漁滒 发表于 2022-1-16 23:37

@TOC

链接地址:aHR0cHM6Ly9jbHViLmF1dG9ob21lLmNvbS5jbi9iYnMvdGhyZWFkLzIyMTRiYWZhMDIyMGY4MGQvMTAxMTIzODE0LTEuaHRtbA==

在这里插入图片描述

打开网页后,需要获取文章的正文内容,如果使用常规的办法,获取到的是存在乱码的内容

在这里插入图片描述
可以看到有少许的文字出现乱码,然后在网页f12 查看

在这里插入图片描述
其网页中确实不是常规的文字,而是这个网站的自定义字体。如果直接忽略这个文字,肯定是不可行的,得想办法把图片变成文字。

在源代码中搜索【tff】可以找到字体文件的地址,下载这个字体文件下来
在这里插入图片描述
然后在网站  http://font.qqe2.com/index-en.html  中可以进行在线查看

在这里插入图片描述

那么尝试先使用python把ttf文件转换为一个一个的图像

在这里插入图片描述
在转换的时候需要注意,尽量把需要识别的内容放置在中间,并在在周边留有一定的空白,这样可以提高识别的准确率。

接下来就是要ocr来将图片转换为文字了,这里我是用的是ddddocr,安装相对来说很方便

pip install ddddocr

接着把每一张图片放到ddddocr这个模型去识别,就可以得到每一张图片的文字内容,最后得到一个文件名个文字的映射关系,是用方法也非常简单。

Oocr = ddddocr.DdddOcr()  # 初始化识别模型
text = Oocr.classification(img_bytes=image_io)  # 把图片的字节放到模型中,返回识别的文字

最后再请求一次,然后通过ocr识别得到的映射关系替换自定义字体

在这里插入图片描述
可以看到识别非常的准备,完美解决了字体反爬的问题

免费评分

参与人数 10吾爱币 +15 热心值 +9 收起 理由
涛之雨 + 7 + 1 欢迎分析讨论交流,吾爱破解论坛有你更精彩!
cy2931 + 1 + 1 谢谢@Thanks!
天空宫阙 + 2 + 1 我很赞同!
sunlei658 + 1 + 1 谢谢@Thanks!
woai16941994 + 1 谢谢@Thanks!
sml2h3 + 1 + 1 热心回复!
luckone + 1 鼓励转贴优秀软件安全工具和文档!
elevo + 1 + 1 我很赞同!
愚无尽 + 1 + 1 大牛
ermao + 1 直接解析字体,可以做映射

查看全部评分

本帖被以下淘专辑推荐:

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。

wsddg 发表于 2022-5-5 17:59
wsddg 发表于 2022-5-5 16:44
如果我从页面里提取的数据是这样的'%uedb8'  ,如何与图片名字映射呢,虽然字母是一样的但是不是一种编码呀 ...

我也是醉了,还是自己在网上搞到一个方法,贴出来给后来人
utf_code[3:] 就是后几个字母,用eval来拼出对应的\u开头的unicode十六进制的串要不还真不好整。。
eval('u\'\\u' + utf_code[3:] + '\'')
不知道渔哥这怎么处理的。。
狂笑一君 发表于 2022-1-18 16:20
漁滒 发表于 2022-1-18 15:34
贴一贴代码看看

大佬,如果用xpath分析后返回的数据是[<Element html at 0X10c28ee8>]这一类的值是哪里出错了?
代码大概是这样的:
html_text = etrtt.parse('html')
img_url = html_text.xpath('//div//a/@src')
print(img_url)
ccwuax 发表于 2022-1-17 00:14
lyghost 发表于 2022-1-17 07:33
就这一小部分字为啥不做映射呢
jy04468108 发表于 2022-1-17 08:53
为啥不用百度飞浆ocr?那个效果非常的好!
byyulei 发表于 2022-1-17 09:23
jy04468108 发表于 2022-1-17 08:53
为啥不用百度飞浆ocr?那个效果非常的好!

百度的慢
pwp 发表于 2022-1-17 09:30
宇哥现在法帖都是用机器人了,这么多错字,机器人算法有待改进
Rezalt 发表于 2022-1-17 10:53
jy04468108 发表于 2022-1-17 08:53
为啥不用百度飞浆ocr?那个效果非常的好!

这个直接pip就完事了 飞浆还得部署  两个效果都差不多  当然那个方便那个来呀
elevo 发表于 2022-1-17 11:23
看着各位讨论的好激烈,有点看不懂啊
 楼主| 漁滒 发表于 2022-1-17 12:08
本帖最后由 漁滒 于 2022-1-17 12:09 编辑

对的,每个都要。但是可以将映射表自己保存下来,然后自己去维护更新
 楼主| 漁滒 发表于 2022-1-17 12:08
jy04468108 发表于 2022-1-17 08:53
为啥不用百度飞浆ocr?那个效果非常的好!

都可以,方法是多样的
您需要登录后才可以回帖 登录 | 注册[Register]

本版积分规则 警告:本版块禁止灌水或回复与主题无关内容,违者重罚!

快速回复 收藏帖子 返回列表 搜索

RSS订阅|小黑屋|处罚记录|联系我们|吾爱破解 - LCG - LSG ( 京ICP备16042023号 | 京公网安备 11010502030087号 )

GMT+8, 2022-5-22 02:53

Powered by Discuz!

Copyright © 2001-2020, Tencent Cloud.

快速回复 返回顶部 返回列表