抖音好像添加了一套字体。
过来更新下，顺便聊聊这个网页自定义字体。
有个读者找过来说她打开字体后没有找到对应的code。因为她打开是这样的。
难道说抖音为了保护这个页面的数据向大众点评的字体反爬看齐了？
整了多套字体？
颤颤巍巍打开页面：
好吧，的确多了一套字体：
但是，但是，多的哪一套字体不是用来反爬的。
它只是用来显示一些特殊字符的，虽然不知道为什么0到9也在上面。
至于怎么看反爬字体用的是哪一套字体，这样：
1-先F12点中1那个小箭头，然后点2有反爬的字体，这时关于它的css就会显示出来在右边，像下面这样
可以看到一个css样式：
font-family: iconfont!important;
还important了，其实这意味着我们找到这个 iconfont对应的字体就好了。
点1跟进去:
这次我们直接下载1部分右边的ttf字体即可。
接下来的处理逻辑按更新之前的原文
原文：
首先，你知道抖音有一个用户分享页吧？
像这样的：https://www.douyin.com/share/user/58841646784
F12查看代码。
ok，可以看到有数字的地方都做了字体反爬，比如抖音id上的数字啊，粉丝数这些。
那我们这样子，先把它的这个字体文件下载下来
在开发者工具中选择Network筛选font后刷新网页就能找到这个字体了，如下图：
然后复制链接到新窗口打开就能下载字体了。
这是我下到的字体
下一步就是去百度网页字体编辑器
链接：http://fontstore.baidu.com/static/editor/index.html
然后选择打开，打开下载好的字体文件：
如果字体不能直接打开，请先将woff格式的字体转为ttf格式。
打开字体看到的效果：
看到没，在开发者工具哪里看得到，一个数字，其实是有三个编码对应的。
那我们一个个保存下来这些对应关系就好了。
这是我保存下来的：
change = {('\ue602','\ue60E','\ue618'):'1',('\ue603','\ue60d','\ue616'):'0',('\ue604','\ue611','\ue61a'):'3',('\ue605','\ue610','\ue617'):'2',('\ue606','\ue60c','\ue619'):'4',('\ue607','\ue60f','\ue61b'):'5',('\ue608','\ue612','\ue61f'):'6',('\ue609','\ue615','\ue61e'):'9',('\ue60a','\ue613','\ue61c'):'7',('\ue60b','\ue614','\ue61d'):'8'}
ok，其实这个并不麻烦。麻烦的是怎么去获取链接后面那个id
分享链接的id获取的话我是抓客户端数据包拿到的，键是'uid'。
如果你有高效率的获取这个id的方法，欢迎过来分享，让我付费也行哦~
分享页爬取的完整代码：
import requests from bs4 import BeautifulSoup as bs id = '86560737726' change = {('\ue602','\ue60E','\ue618'):'1',('\ue603','\ue60d','\ue616'):'0',('\ue604','\ue611','\ue61a'):'3',('\ue605','\ue610','\ue617'):'2',('\ue606','\ue60c','\ue619'):'4',('\ue607','\ue60f','\ue61b'):'5',('\ue608','\ue612','\ue61f'):'6',('\ue609','\ue615','\ue61e'):'9',('\ue60a','\ue613','\ue61c'):'7',('\ue60b','\ue614','\ue61d'):'8'} #将爬到的单个编码放到这个函数会返回对应的数字 def change_2_num(code): for i in change: try: if code.split()[0] in i: return change[i] except: print('函数change_2_num出错',code.split()) return code #请求链接，返回soup对象 def get_html(id): url = 'https://www.douyin.com/share/user/'+id print(url) headers = {"user-agent":"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.95 Safari/537.36 OPR/26.0.1656.60"} r = requests.get(url,headers=headers,verify=False) if not len(r.text)>10000: return soup = bs(r.text,'lxml') return soup def get_num(name,attrs): fin = '' res = soup.find_all(name=name,attrs={'class':attrs}) if res: mid = res[0].text.split() #将获取的文本以空格切成列表，不切的话因为空格的存在会返回''而不是uincode编码 else: return for code in mid: fin+=change_2_num(code) #遍历文本内容，如果是unicode编码则返回对应数字 print(fin) return fin soup = '' def main(): global soup soup = get_html(id) if not soup: return try: nickname = soup.find(name='p',attrs={'class':'nickname'}).string print(nickname ) signature = soup.find(name='p',attrs={'class':'signature'}).string print(signature) dyID = get_num('p',"shortid").replace('抖音ID：','') focus = get_num('span',"focus").replace('关注','') follower = get_num('span',"follower").replace('粉丝','') liked = get_num('span',"liked-num").replace('赞','') works = get_num('div',"user-tab").replace('作品','') like = get_num('div',"like-tab").replace('喜欢','') except: return main()
最后，聊聊我对网页自定义字体的理解：
在CSS3时代，开发者可以使用@font-face为网页指定字体，解除网页对用户计算机本地字体的依赖。
但是这些指定的字体也不应该太多，不然加载会变慢。
在网页源码中，直接显示的是字体的code，而不是name。
并且有可能多次请求之间code到name映射，name到字体绘制规则映射都会改变，
但是最终字体的形状（绘制规则）都不会改变，或者只能改变一点点，不然人眼都辨认不出来是什么字了。
因此我们可以通过字体绘制规则来对比判断是什么字。
如果要看字体最初的模样，可以先将字体转为xml格式。直接打开xml就能看到其内部code到name到绘制规则的映射，像这样：
from fontTools.ttLib import TTFont base_font = TTFont('maoyan.ttf') base_font.saveXML('maoyan.xml')
这是抖音字体的code到name:
code="0xe603" name="num_1",name->num_1对应的绘制规则的显示值就是1，这个是字体制造者自己命名的，它暴露了~
num_1的绘制规则：
其实就是点成线，线成...额，线成字。
ok,就到这里。
The end--