字体反爬——可视化字符匹配通用方案(浏览器版)

timeslover · 发表于 2022-7-1 18:07

在爬取数据的时候，一些网站做了关于字体反爬的处理，他们反爬原理大致都差不多，用制作的字符图标替换为真实文字显示，导致你去复制他的东西，显示出来就变成一堆乱码

反爬例子

来看几个例子：
在这里插入图片描述

在这里插入图片描述

其中处理比较好的是汽车之家的字体反爬，一起来看一下他的处理。以下是他页面的源码，可以看到，font文字是空白的，不容易分析出特征，你去读取他字体文件的时候，是没有unicode码的，不过呢，他强任他强，这不妨碍我们的破解工作。文末会说一下我对某车之家的处理，仅供参考

在这里插入图片描述

我们再来对比其他的。

下面是大众点评的处理，可以看到他用的是unicode图标，没有对字符特征做处理

在这里插入图片描述

以上就是对字体反爬的简(敷)单(衍)介绍，直接进入正题。

破解的思路，就是将他的unicode和真实字符做匹配，要处理字符图标的识别，要记录下识别出的结果和unicode编码

这里提供一个我写的前端解决方案：https://gitcode.net/weixin_45307278/unicode2font
可以通用到所有网站，原理就是1、拿到字符图片，2、识别字符图片，3、记录，4、保存

目前市场上对字体反爬的处理手段，大部分都是用的python作为主要语言对字体文件进行操作，对unicode编码识别，放到前端处理，其实也是一样的。

准备工作

1，如果你要自动获取token，参看这种方法

制作一个跨域浏览器，因为获取token的接口是跨域的，项目默认是自动获取token的。不会制作跨域浏览器的可以去百度，很简单

2，不需要自动获取token

对于这种方法，随便使用哪个浏览器都可以，不过要使用Postman的工具获取百度的AccessToken，然后写死到项目的access_token参数就好，下面逻辑不用动，只需要赋值就好了，逻辑已经做了处理

在这里插入图片描述

项目地址

https://gitcode.net/weixin_45307278/unicode2font

项目介绍

先介绍一下这个项目，这个项目我是爬取的一个字体文件在线浏览网站的源码，然后在他的基础上进行了二次开发，他的功能是对字体文件文字查看和修改，字体文件一键打开即可查看字体的编码和字符图案。

打开字体文件就是下面这样，有字体的字形，字体的unicode，以及对字体的二次编辑等功能。

在这里插入图片描述

我魔改的部分是他的预览页面，首先我们看下预览结果页面的样子
在这里插入图片描述

这个页面就满足了我们所有的需求。

为什么这么说呢，因为这个页面会展示文件内所有的字符，前端通过获取每个dom的base64图片，然后将图片传给识别接口识别，最后记录下来，简直完美。
识别接口这里用到的是百度的通用识别，每天5万次，个人使用完全够了，准确率杠杆的，没注册的可以去注册一个

项目里面这个地方要用到。
在这里插入图片描述

我知道你们在想什么，“可以教一下这个怎么填写么”，行的，可以（你们还是回家养猪吧）

注册之后先进到控制台，然后打开文字识别

在这里插入图片描述

这两个玩意按顺序完成就可以
在这里插入图片描述

创建完应用之后，在应用列表里面，这几个值是你要保管好的，他可以去获取AccessToken，这个token就是一个通行证一样，有了这个通行证才能去访问服务
在这里插入图片描述

看到了吧，就是这几个，文档其实写的也很清楚了，就不一一赘述
在这里插入图片描述

以上就是大概的介绍，项目使用这里就用一个gif演示吧，最后会有一个json文件下载下来。里面就是你识别出的结果，对于错误或者，没有识别出来的，会有一个记录，就需要你自己手动修复一下了

动画8.gif

在这里插入图片描述

汽车之家字体反爬破解思路

最后，前面说的关于某车的反爬破解方法，这里简单说一下
我们以下图这个为例，这是浏览器渲染后的dom效果
在这里插入图片描述

然后再看看网页源码，可以判断这个是服务端渲染的，虽然看不见字符，但是可以获取到字符

在这里插入图片描述

我们将获取到的字符写个demo测试一下

在这里插入图片描述

然后我们再去对应一下这个字体表，ec66刚好就是我们对应的“大”字
在这里插入图片描述

根据这个原理，那么我们可以通过获取到dom的字符然后转码出来替换为真实的字符，完结撒花，demo已经有了，思路到位就行

lliudewa · 发表于 2022-7-16 16:56

我的理解就是ocr识别？

xinanxiaodong · 发表于 2022-7-1 18:33

要是能解决一下“籍合网”的复制，就好啦~

涛之雨 · 发表于 2022-7-17 09:43

之前看到有加密后本地用canvas渲染的，也是费心了

外酥内嫩 · 发表于 2022-7-16 15:55

我记得之前猫眼的字体反爬是一个个记录下来再匹配

zhazhaming · 发表于 2022-7-6 19:24

好强以前想过有没这种道具，没想到真的有人做出来了

wanshiz · 发表于 2022-7-4 05:58

一个很好的突破反爬的方法，感谢楼主分享经验。

lyj4532556 · 发表于 2022-7-2 11:13

上次也搞过一个反爬，当时是人工搞的对应关系，几十个字，眼都花了

subney · 发表于 2022-7-4 08:13

我觉得用playwright访问, 特定元素截图, 然后OCR更通用一点

solar0 · 发表于 2022-7-1 18:16

牛皮。/。

anwen · 发表于 2022-7-1 18:33

好家伙要不是大佬发帖说了下我还真不知道一个简简单单的字儿都做反扒了...

这就去上面说的汽车之家大众点评等去瞅瞅

whg118 · 发表于 2022-7-1 19:37

记得很久以前，按键精灵不就是依图识字吗，还不用调用围栏资源。

空中楼阁 · 发表于 2022-7-1 19:44

记得看过以前斗鱼一篇文章有讲字体防爬的。没想到现在很多网站都做了这种设计，挺有意思的。

o824 · 发表于 2022-7-1 19:46

谢谢楼主分享

13457627838 · 发表于 2022-7-1 20:00

nb，大佬

Junlee · 发表于 2022-7-1 20:50

感谢发布原创作品，吾爱破解论坛因你更精彩

风逝998 · 发表于 2022-7-1 21:18

感谢原创，学习

帐号		自动登录	找回密码
密码			注册[Register]

[Web逆向] 字体反爬——可视化字符匹配通用方案(浏览器版)

反爬例子

准备工作

1，如果你要自动获取token，参看这种方法

2，不需要自动获取token

项目地址

项目介绍

汽车之家字体反爬破解思路

免费评分

本帖被以下淘专辑推荐:

浏览过的版块

个人中心