抖音好像添加了一套字體。
過來更新下，順便聊聊這個網頁自定義字體。
有個讀者找過來說她打開字體后沒有找到對應的code。因為她打開是這樣的。
難道說抖音為了保護這個頁面的數據向大眾點評的字體反爬看齊了？
整了多套字體？
顫顫巍巍打開頁面：
好吧，的確多了一套字體：
但是，但是，多的哪一套字體不是用來反爬的。
它只是用來顯示一些特殊字符的，雖然不知道為什么0到9也在上面。
至於怎么看反爬字體用的是哪一套字體，這樣：
1-先F12點中1那個小箭頭，然后點2有反爬的字體，這時關於它的css就會顯示出來在右邊，像下面這樣
可以看到一個css樣式：
font-family: iconfont!important;
還important了，其實這意味着我們找到這個 iconfont對應的字體就好了。
點1跟進去:
這次我們直接下載1部分右邊的ttf字體即可。
接下來的處理邏輯按更新之前的原文
原文：
首先，你知道抖音有一個用戶分享頁吧？
像這樣的：https://www.douyin.com/share/user/58841646784
F12查看代碼。
ok，可以看到有數字的地方都做了字體反爬，比如抖音id上的數字啊，粉絲數這些。
那我們這樣子，先把它的這個字體文件下載下來
在開發者工具中選擇Network篩選font后刷新網頁就能找到這個字體了，如下圖：
然后復制鏈接到新窗口打開就能下載字體了。
這是我下到的字體
下一步就是去百度網頁字體編輯器
鏈接：http://fontstore.baidu.com/static/editor/index.html
然后選擇打開，打開下載好的字體文件：
如果字體不能直接打開，請先將woff格式的字體轉為ttf格式。
打開字體看到的效果：
看到沒，在開發者工具哪里看得到，一個數字，其實是有三個編碼對應的。
那我們一個個保存下來這些對應關系就好了。
這是我保存下來的：
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，其實這個並不麻煩。麻煩的是怎么去獲取鏈接后面那個id
分享鏈接的id獲取的話我是抓客戶端數據包拿到的，鍵是'uid'。
如果你有高效率的獲取這個id的方法，歡迎過來分享，讓我付費也行哦~
分享頁爬取的完整代碼：
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'} #將爬到的單個編碼放到這個函數會返回對應的數字 def change_2_num(code): for i in change: try: if code.split()[0] in i: return change[i] except: print('函數change_2_num出錯',code.split()) return code #請求鏈接，返回soup對象 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() #將獲取的文本以空格切成列表，不切的話因為空格的存在會返回''而不是uincode編碼 else: return for code in mid: fin+=change_2_num(code) #遍歷文本內容，如果是unicode編碼則返回對應數字 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('關注','') follower = get_num('span',"follower").replace('粉絲','') liked = get_num('span',"liked-num").replace('贊','') works = get_num('div',"user-tab").replace('作品','') like = get_num('div',"like-tab").replace('喜歡','') except: return main()
最后，聊聊我對網頁自定義字體的理解：
在CSS3時代，開發者可以使用@font-face為網頁指定字體，解除網頁對用戶計算機本地字體的依賴。
但是這些指定的字體也不應該太多，不然加載會變慢。
在網頁源碼中，直接顯示的是字體的code，而不是name。
並且有可能多次請求之間code到name映射，name到字體繪制規則映射都會改變，
但是最終字體的形狀（繪制規則）都不會改變，或者只能改變一點點，不然人眼都辨認不出來是什么字了。
因此我們可以通過字體繪制規則來對比判斷是什么字。
如果要看字體最初的模樣，可以先將字體轉為xml格式。直接打開xml就能看到其內部code到name到繪制規則的映射，像這樣：
from fontTools.ttLib import TTFont base_font = TTFont('maoyan.ttf') base_font.saveXML('maoyan.xml')
這是抖音字體的code到name:
code="0xe603" name="num_1",name->num_1對應的繪制規則的顯示值就是1，這個是字體制造者自己命名的，它暴露了~
num_1的繪制規則：
其實就是點成線，線成...額，線成字。
ok,就到這里。
The end--