字体映射反爬

网站链接：http://www.porters.vip/confusion/movie.html

本文涉及

网站的关键数据由其他字符替代

F12里面无法显示可以从网页源码里找，如图

先把其他常规内容搞上，

在试过css，xpath和bs4后，

发现"\u"型的数据只能用re才能提取

接就是解决 字体映射问题

在network里面找到一个font类型数据，

woff（Web Open Font Format）文件

目前最主要的几种网络字体(web font)格式包括WOFF，SVG，EOT，OTF/TTF。

从启动器里看，要先获取movie.css文件，才能提取woff文件

woff文件在线打开方式：FontEditor

使用fontTools库在py中打开

'&#xe624.&#xe9c7'  

可以发现字体编码和woff文件的区别 ：" &#x"，其它字母为大写

安装方式： pip install fontTools

通过FontEditor手动构建字体编码和所知字体的映射，通过fontTools获取字形数据并md5加密（方便对比，是否为相同字体）

 代码如下

解密函数的代码

 最终结果

还可以参考这篇文章的思路，

https://blog.csdn.net/qq_59970317/article/details/122421608

使用selenium截取指定标签位置的数据，配合OCR来识别提取内容

 源码：