反爬虫和爬虫之间的比赛现已争斗多年，不管是攻仍是守，现已继续N年，这是一个没有硝烟的战场，咱们都知道爬虫和反爬之家的道高一尺魔高一丈的联系。但这个计划能够很大程度上能够添加一般爬虫的收集本钱，在不运用OCR的前提下，算是比较极致的计划了。当然计划有很多种，层出不穷的各种 *** ，这儿介绍的时分反爬虫的中的一种比较有用的计划，字体反爬也便是自定义字体反爬经过调用自定义的ttf文件来烘托网页中的文字，而网页中的文字不再是文字，而是相应的字体编码，经过仿制或许简略的收集是无法收集到编码后的文字内容！有必要经过程序去处理才干到达收集本钱。 作用展现！ 0×1思路 细心的人会问，为什么不把一切的内容都替换成编码呢？这个就涉及到加载和烘托速度的问题。还有假如发动字体反爬虫，基本上现已离别SEO了，请细心考虑中心的凶猛联系，你懂得! 咱们知道，单纯汉字就有好几千个，还有各种字符，有的还包括各种外国人的字符串！假如悉数放到自定义字体库中的话，这个文件灰常大，几十兆是必定有的了，那结果啥样就很清楚了，加载必定很慢，更糟糕的是如此之多的字体需求浏览器去烘托，那作用，卡到爆！！！ 为了处理这个问题，咱们能够挑选只烘托少数的、部分的文字，假定50个字，那么字体库就会小到几十K了，相当于一个小图片罢了，加上CDN加快之类的，处理了。详细 *** 上又N种 *** 参阅 *** 我会贴在下面！ 如此简略？50个字儿呢可不是随意随意挑选的，要挑选那些爬虫收集不到就会很大改动整个句子的语义的词，直接点吧，也便是量词、否定词之类的。如原文“我有一头朱佩琪，我历来都不骑”，咱们把其间的“一”、“不”放到咱们的自定义字库中，这样一来，爬虫收集到的便是“我有头朱佩琪，我历来都骑”，嘿嘿，假如加上数字就更叼了，“缝隙版别 .. ???“ 是不是很鄙陋。 可是上述 *** 早已让 *** 各位大神破解一遍了，这可如何是好呢？ *** 总是有的！假如让“叼”字的编码随机改变，但字体信息不变，浏览器烘托出来仍是“叼”字那不就完美了，所以，每个网页加载的时分，都随机加载了一套字体库，字体库的内容仍是50个字，但每个字的次序编码都是改变的，尽管咱们打乱了关键字的编码次序，可是每个字对应的字体信息是不变的，例如，“是”字一共有9划，每一笔划都有相应的x、y坐标信息，浏览器正是依据这些笔划信息烘托 假如吧，unicode编码和x，y坐标都骚做改动。他需求收集我的每一套字体库而且树立联系，这样添加的爬虫的本钱，乐滋滋。 0×3完成 根据微软雅黑字库信息，抽取其间的关键字的字体信息，生成ttf 后 运用下方代码 开端随机然后随机生成上千套字库，后文章显现时随机从文件或许裤中查询出一套字库，并把文章中的关键字替换成Unicode编码进行烘托！ # encoding: utf-8 # -*-*- # By:连长 『zh (www.lianzhang.org)』 # -*-*- import random from fontTools import ttx from fontTools.ttLib import TTFont def random_unicode(lengths): # 随机生成Unicode字符集 while True: shuma = ((str(random.sample(random_list, int(lengths))).replace(''', '')).replace(',', '')). replace(' ', '').replace('[', '').replace(']', '') if shuma[0].isalpha(): return shuma else: continue def TTFontsXML(filenames): # 转化成XMl 到暂时目录 filenametemp = "temp/toolstemp.xml" font = TTFont(filenames) font.saveXML(filenametemp) return filenametemp def TTFonts(filenames): # 转化XML转化ttf try: print("开端转化字体！！！" + filenames) ttx.main([filenames]) print ("-----------------------------------") except Exception as e: print ("Something went wrong converting ttx -> ttf/otf:") print (e) exit() def Editfile(fontsjson, files): random_list = ["a", "v", "x", "s", "q", "w", "e", "r", "t", "y", "u", "i", "o", "z", "x", "c", "v", "b", "n", "m", "0", "1", "2", "3", "4", "5", "6", "7", "8", "9", ][1][2][3]黑客接单网