前言
同樣的，接上一篇 python爬蟲 - js逆向之woff字體反爬破解 ，而且也是同一個站的數據，只是是不同的反爬
網址：
aHR0cDovL3{防查找，刪除我，包括花括號}d3dy5kaWFuc{防查找，刪除我，包括花括號}GluZy5jb20vcmV2aWV3L{防查找，刪除我，包括花括號}zEwMDM1NDgxNjI=
分析
打開網站：
這個根據之前的經驗，現在直接找css，找映射關系就行了，所以看右邊的css，看到有很多東西，其中有兩個比較重要：
有沒有想過，為啥給個ji6c6就能映射成【一】呢？為什么不是其他的，看到上面的background-image的url就很可疑了，打開這個url看看：
卧槽，這就是一堆字體啊，跟上一篇的woff字體有得一拼了，我猜哈，他就是通過這個的css來控制顯示的：
那行，我們隨便改個數值看看：
改之前：
改之后，只改了寬度的px，
再改個高度的px看看，我估計隨便輸入的值哈，所以肯定是對不齊的
那么，再看下svg源碼的文字，
對得上，所以寬度跟高度改來改去，現在能夠確定的是，最開始的-336px和-214px，這個負值跟svg的值是相反的，svg是正數，css是負數，這個不重要哈，同時，我們也可以確認下：
用截圖工具大概取個值，
而源碼里的是這樣的：
感覺有點不一樣，不過至少，寬度339px和336px能夠約等於上，但是高度對不上，很奇怪了。
沒事，再看看哈，把高度的值改為0px看看，改完成這樣了
有老哥要問了，改為0px干嘛，現在不是要找高度的規律嗎，對啊，要找規律就要看看第一排的px是多少啊，上面的0px顯然不對，那么說明第一排的縱坐標的不是從0px，那稍微調下，調成一個與其他內容規整排列的
沒過一會兒，就調出一個規整排列的，結果是-13px
再看第二排是多少：57px
第三排：104px
第四排：141px
第五排：175px
第六排：214px
第七排：257px
。。。。
結果發現這些值並沒有很大的關聯，插值並不是一致的
看來這條路不通，換，再回過頭看css:
圈出來的就非常關鍵了，width為14px，大膽猜測，應該就是一個字體的寬度，高度的話，應該就似乎height加上margin-top的值，極為39px
那行，一個字體占比就是寬度為14，高度39，用這個值再次驗證一下，再回過頭看這個【一】，
再看，這里數起來，麻煩，直接用python操作了：
ok，又對上了，再隨機找個吧，一次兩次，萬一還是巧合可以，隨機再找一個還能對上，那就一定是了：
就找個【是】
140/14=10
1723/39=44.1794...≈ 45
45排有點多，看源碼，源碼里的y，1723大於上一排的1707，小於這一排的1746，那說明就是這一排了
然后直接說，也剛好是第10個數，ok了。而且這里還看出一個規律，【是】的高度是1723px，在svg源碼里：
1746>1723>1707，所以閉着眼睛也知道一定在這一行，那么這里還可以有一個方法，用常用的那幾個算法就能很快就能定位在哪一排，然后定位是哪一個字就行了，卧槽，感覺很簡單啊
規律找出來了，剩下的就是代碼調試了
調試
為了方便調試，就不每操作一次實際請求一次，因為這個平台的風控挺強的，所以直接查看源碼，然后把內容保存到本地吧：
流程就是，讀取源碼，然后先把內容用xpath提取出來，把那些class屬性找出來，然后請求拿到css，再通過css內容找到設置的寬度高度，同時把css里的svg的url請求一下，保存到本地，接着通過給定的寬度高度，取svg的原內容找就行了
所有需要i請求的，我都暫時保存在本地了，svg:
同時直接復制css里的內容，手動放到content2.html文件里了，給了一個style標簽
python實現
在執行的時候發現，當是42，23673px時，會報錯：
主要是沒有那么多的縱向，那看來我們之前用height除以39還是有問題，不能涵蓋完整的情況
后面經過我的測試，發現以下規律：
1.高度除以39，結果如果不超過svg總排數的，減去一個通用值（假設為2），即為真實縱向位置
2.高度除以39，結果如果超過svg總排數的，如果值小於【總排數加通用值（假設為2）】，先減去一個通用值（假設為2）之后，如果這個值結果帶有小數，再四舍五入，如果結果沒有超過總排數，不用四舍五入，直接取整，即為真實縱向位置
3.高度除以39，結果如果超過svg總排數的，如果值大於【總排數加通用值（假設為2）】，直接按最后一排的數作為真實縱向位置
也可能這套規律並不通用，至少目前來看沒有問題
我過了2天，再次打開這個網址，然后看到變了，源碼變得如下：
然后svg源碼也變了：
那這種，就沒法用二分法了，所i有，上面想到的思路，並不通用，那咋辦呢？這有點難為人了哈
但是，仔細發現，上面發現的規律還是可以通用的
只是二分法不通用了，來，繼續看【一】，此時是【-126px -2737px】
126/14=9
2737/39=70.179.....
先找到70行，然后減2，得68，找第九個：
看是不是第9個，沒毛病：
看來，在svg的總排數以前的，都可以這么算，現在找一個縱向相對比較大的：
56/14=4
3184/39=81.641
此時，81.641<80+2，那就直接減2得79，然后小數位四舍五入，得80，找80行第4個：
就看是不是真的是這個【粉】字了，拿到剛才得class名【sr4q6】，到網頁里覆蓋即可：
果然變成了【粉】字
再來確認上面的規律的第三種情況，找個總值大於80+2的試試，發現，此時的css里沒有，那就姑且這么認定了，直接寫代碼吧
同時更新下css和svg，以及html源碼
此時，縱向的發現沒毛病了，但是發現橫向的又出現問題了，比如 -462.0px -1470.0px
462/14= 33
1470/39 = 37.69
按上面的邏輯，應該是33，35，但是一找發現報錯：
看來橫向也不能直接一昧的除14啊，看看這個本來應該是啥字：
把【sr7u9】換上去看看，變成了【誰】字
看看svg里【誰】：
卧槽，越來越迷糊了，這到底咋回事，接着再看，看橫向坐標都大於等於400的看看：
找到這么多：
一個一個看，不信找不到規律：
看【srjbq】，-504.0px -424.0px
本來是
36 10.89
但這里取得是36 11
sr4qu -504.0px -2841.0px
算出是36，72.84 ==> 36，70
實際是36，71
sr5lf {
background: -518.0px -1324.0px
算出37 33.98 ==>33 31
實際37，33
.srwcf {
background: -532.0px -662.0px
算出 38 16.97 ==> 38 14
實際 38 17
.srqrx {
background: -546.0px -2841.0px
算出 39 72.84
實際 39 71
.srauc {
background: -546.0px -14.0px
算出 39 0.35
實際 39 1
.srkfy {
background: -532.0px -741.0px
算出 38 19
實際 38 19
.sr7k0 {
background: -504.0px -772.0px
算出 36 19.79
實際 36 20
當我在找規律的時候，我無意間又打開一個標簽：
哎~，這他媽，看屬性d的中間個數，嘿嘿，看來還是可以用二分法查找，ok，不再傻逼的找規律了，直接用算法，二分查找，或者冒泡的都可以，我這里就不耽誤時間了，已經花了好幾天時間分析了，不能再拖了，我就寫個了最容易想的冒泡排序，也不考慮運行時間了，搞爬蟲的，不用太糾結這些東西。
ok，代碼：
至少現在沒報錯了，而且對了下都對上了，
還是這個靠譜點，上面總結的規律還是不能完美覆蓋問題，就以上這樣才是最好的，
行，現在就差最后一個問題，就是文字的順序，看如下哈，沒有做svg的，文字就在外層，有做文字加密的未加密的並列，那這個順尋就有點不好操作了
再看當我直接用xpath的text時，是如下，所以，這個順序還真不好處理
咋辦，直接字符串替換吧
執行：
看第一條：
一直對喬一喬的印象都還不錯 這次到的他家機場店 環境還可以 阿姨服務態度也不錯 菜品口感也沒問題 就是出了一個小插曲 紅糖糍粑里吃出了一塊鐵 着實嚇了一跳 還以為把牙吃掉了店長處理態度也還行 給菜品打了個8折 說事后牙有什么問題 隨時聯系他 我們也不是訛人的人 小問題也不去麻煩商家了 溫馨提示一下估計這個鐵的問題應該還存在 進貨的時候仔細一點 這樣挺影響體驗感的
原文內容，完美對上，emoji圖的問題暫不考慮，就是一個靜態資源，想拼湊一下就是很簡單的問題
部分python代碼
content2.html和css.txt，svg.html，自行下載
def get_real_height(text, raw_height): # 這個函數已經棄用，得到的結果不精准
length = len(text) temp_h = raw_height / 39
if temp_h > length + 2: # 大於總排數+2
height = length elif temp_h > length: # 大於總排數，小於總排數+2
height = length - 2 height = int(round(height, 0)) # 四舍五入
else: # 小於總排數
height = raw_height // 39
return height def get_real_font(text, text_index, tuples=None): if not tuples: tuples = ('336.0', '214.0') width, height = tuples width = int(float(width)) height = int(float(height)) real_w = int(width / 14) d, real_h = get_real_height_v2(text_index, height) # print(12312312321, d, real_h)
# print(555555, real_h, real_w, tuples)
real_font = text[real_h][real_w] return real_font def get_css(): f = open('css.txt', encoding='utf-8') source_data = f.read() f.close() cont = re.findall(r'\.(\w+) \{.*?background: -(.*?)px -(.*?)px;', source_data, re.S | re.M) css_dict = {} for c in cont: css_dict[c[0]] = c[1:] # print(css_dict)
return css_dict def get_data_html(): css_dict = get_css() f = open('svg.html', encoding='utf-8') svg = f.read() f.close() html_source = etree.HTML(svg) text = html_source.xpath('//text[position()>1]/text()') if not text: text = html_source.xpath('//textpath/text()') text_index = html_source.xpath('//defs/path/@d') text_index = [int(te.split(' ')[1]) for te in text_index] f = open('content2.html', encoding='utf-8') source_data = f.read() source_data = source_data.replace('<svgmtsi class=', '').replace('></svgmtsi>', '') f.close() html_source2 = etree.HTML(source_data) data = html_source2.xpath('//div[contains(@class,"review-words")]') for item in data: temp_dict = dict() raw_cont = item.xpath('.//text()') raw_cont = ''.join(raw_cont).strip() if raw_cont else ''
if not raw_cont: continue raw_cont = raw_cont.split('"') raw_cont = [t for t in raw_cont if t] real_cont = raw_cont[:] # print(real_cont)
# print(raw_cont)
for ind, ra in enumerate(raw_cont): if ra.startswith('sr'): real_c = parser_svg_font(ra, css_dict, text, text_index) real_cont[ind] = real_c print('raw', real_cont) temp_dict['raw_cont'] = ''.join(real_cont) print('real', temp_dict['raw_cont']) def parser_svg_font(s, css_dict, text, text_index): cont = [] if isinstance(s, list): cont = [] for i in s: temp = css_dict.get(i) real_font = get_real_font(text, text_index, temp) # print(real_font)
cont.append(real_font) elif isinstance(s, str): temp = css_dict.get(s) cont = get_real_font(text, text_index, temp) # print(123123, cont)
return cont def get_real_height_v2(data_list, target): """ :param data_list: 傳入的有序列表 :param target: 傳入要查找的目標值 """
# data_list默認已排好序
if target in data_list: return data_list.index(target) for index, d in enumerate(data_list): if d > target: if index == 0: return d, index else: if data_list[index - 1] < target: return d, index get_data_html()
然后有沒有可優化的地步，那肯定有的，那個處理svg部分的映射關系，和橫向坐標除以14，然后判斷svg的classa是否是sr開頭的，計算映射真實文字的函數，等等，很多都可以優化的，具體細節就不去摳了，核心的邏輯能實現，剩下的就是完善優化了。