持续创作，加速成长！这是我参与「掘金日新计划 · 6 月更文挑战」的第28天，点击查看活动详情
⛳️ 大众 实战场景 点评
本次要用来学习的站点也是比较大众的站点，这个站点中碰到了【套娃】字体加密。
打开开发者工具刷新站点，可以得到如下字体文件请求，打开开发者工具碰到无限 debugger，取消掉即可。
文字所在标签添加的样式如下所示。
然后顺着这个思路进行下去，得到了 4 层字体套娃。
而该 CSS 文件，在页面中竟然每次刷新也发生变化。
⛳️ 大众 实战场景 点评
编写页面获取代码，得到【图文混排 CSS】文件。
import requests
from lxml import etree
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.4951.54 Safari/537.36",
"HOST": "www.dianping.com"
}
res = requests.get('http://www.dianping.com/shijiazhuang/ch10',headers=headers)
tree = etree.HTML(res.text)
print(tree.xpath('//link/@href')[8])
得到 CSS 文件之后，在截取其中的字体文件。
这里不在过多解析，查阅一下字体文件每次刷新，是否发生编码变化。
第一次获取的字体文件，随意选择一份
多次测试之后，发现 CSS 文件和字体文件并未切换名称和修改顺序。
获取字体文件编码，与浏览器字符对应关系
检索源码得到如下内容：
：对应 7；：对应 5。
再次回到字体文件中找到 7 和 5 对应的编码。
本案例结束~ 🤪🤪🤪🤪
⛳️ 自如 实战场景
我们又碰到了一个字体反爬的站点，自如。该站点的字体反爬不是用字体文件实现的，而是基于图片+CSS，具体如下图所示。
这里运用 CSS 背景偏移技术实现数字的展示。
字体图片如下所示。
图片宽度和高度的比例是
300*28，其中 300 像素被等比例放置了 10 个数字，即每 30 个像素一个数字，实测间隔是 21.4 个像素。
后续可以参考该值做区分。
下面还需要确定一下每次刷新，图片是否发生变化。
刷新了一下，发生了变化 ￣ □ ￣｜｜
但是原理是一样的，就是获取图片之后，然后解析对应的图片，通过 OCR 技术，识别文字。
⛳️ 自如 实战编码
获取源码，解析图片地址。
import requests
from lxml import etree
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.4951.54 Safari/537.36"
}
res = requests.get('https://www.ziroom.com/z/',headers=headers)
tree = etree.HTML(res.text)
img_style = tree.xpath("//span[@class='num']/@style")[0]
# 不用正则，直接截取字符串
print(len('background-image: url(//'))
print(len(');background-position: -42.8px'))
# 不用正则，直接截取字符串
img_src = img_style[24:len(img_style)-30]
然后通过 OCR 软件识别相关信息，然后进行提取。
# 下载图片文件，通过 OCR 识别出数字
import ddddocr
ocr = ddddocr.DdddOcr()
res = requests.get('https://'+img_src,headers=headers)
# print(res.content)
# with open('./images/num_img1.png','wb') as f:
# f.write(res.content)
res = ocr.classification(res.content)
print(res)
测试中识别的数字为 5471380629，然后将其拆解即可。
测试发现截取图片地址的时候，有时候会出现图片地址错误，建议大家依旧使用正则表达式获取。
最后就是坐标与数字的对应关系了
-21.4：第一个数字-42.8：第二个数字-64.2：第三个数字
其余的都参考这个原理即可。
📢📢📢📢📢📢 💗 你正在阅读 【梦想橡皮擦】 的博客 👍 阅读完毕，可以点点小手赞一下 🌻 发现错误，直接评论区中指正吧 📆 橡皮擦的第 670 篇原创博客
