微信咨询

微信咨询

13610*910*9

服务热线 7*24小时

电话咨询

python爬虫反爬 | 对方是如何丧心病狂的通过 css 加密让你爬不到数据的

iamdu2020-01-15 22:28:16 浏览: 175098

这次我们来说点爬虫稍微进阶一点的

关于如何破解 css 加密后的数据

别急

我们先站在对方的角度

想一想

假如我们现在有一个网站

这个网站有些关键的数据信息

不想给别人那么轻易的爬取到

你会怎么做呢?

一个可执行的方法

就是将关键数据通过 css 加密

这样的话

当别人通过 requests 来

请求我们的网站的时候

返回的 HTML 里面就

得不到关键的数据了

举个例子

简单写一个帅b的页面

这时候我们通过 requests 去请求

在这里请求的是本地的网页

所以需要挂载一下 FileAdapter

接着会得到这样的源代码

(应该这样写:<p></p>)

问题来了

怎么把帅b的个人信息搞一下

让返回的 HTML 里面拿不到呢

可以通过添加 css 来打乱顺序

就以「姓名」为例

来定义一个 css 的类元素

这里定义了两个属性

一个是用来将它移除屏幕

一个就是不要占了行高

反正就是用来隐藏我们的干扰信息

接着 HTML 就可以这样写

再来定义一个 css 属性

意思就是说

在 EFG 选择器的这个标签后追加内容

所以我们真正的代码就是这样

那么这时候普通用户看到的网页

是可以看到关键信息的

而这个时候

你来爬取得到的却是这样的

得到的结果是不是

可以让你懵逼一会了?

一些没耐心的人

看到这里应该就不打算爬下去了

哈哈哈

当然了

这只是 css 一种反爬的思路

实际运用到项目中

还是有点复杂的

比如大众点评的网站…

那么接下来就是

学习 python 的正确姿势

来看看大众点评的广州按摩店

http://www.dianping.com/guangzhou/ch30/g141

假设你想爬取这些数据

你开始冲冲的看它的源码

结果发现,我去

怎么数字变成一个方块?

我们来看看它的 css

这里定义了一个 PingFangSC-Regular 的字体

猫腻应该就出在这里了

我们去掉 css 定义的字体

可以看到数字也跟着消失

这个是时候你是不是好像发现了什么

来看看这个页面的源代码文件

每个数字都是变成了

&#x开头的神秘代码

这个时候你是不是

又好像发现了什么

这其实就是一种 css 的加密方式

加密自定义字体

让你爬取的时候拿不到关键的数据

还是得先站在对方的角度

想想这种丧尽天良的方式

到底是怎么做到的呢?

这就要从前端的开发说起了

下面请开始听小帅b吹水

在我们的电脑里面

都有一些字体库

比如什么宋体啊,黑体啊等等

所以你在上网的时候

看到的网页的字体都差不多

没有什么千差万别的情况

但是有些公司想要自家的

网页上的文字更加炫酷一点

就是想要不一样

就是要显得牛逼

比如苹果的官网

就整了一些自定义的字体

而要实现这种方式

在 css3 中定义字体和字体文件路径

就可以使用了

@font-face {                 font-family: "自定义字体的名称";                 src: "自定义字体的路径"            }

接下来

就在一开始的帅b页面中

实现一下像大众点评这样的反爬吧

可以在以下链接下载苹方字体

https://github.com/zongren/font/raw/master/PingFang-SC-Regular.ttf

我们要对字体的数字加密

可以使用 fonttools 来提取数字

pip install fonttools

安装好了之后就可以使用

如下命令来提取了

pyftsubset /home/shuaib/Desktop/PingFang-SC-Regular.ttf --text="1234567890" --output-file="PingFang-Num.tty"

这里的

/home/shuaib/Desktop/PingFang-SC-Regular.ttf

是你下载的字体文件路径

–text=”1234567890″

是你要提取的内容

–output-file=”PingFang-Num.tty”

定义你提取后的字体文件

ok

运行之后你在该路径下

就会生成一个新的字体文件了

打开看就都是数字啦

有了数字字体文件之后

接下来就是对字体加密了

以下这个网站可以对字体加密

http://fontello.com/

不过这个网站仅支持 svg 格式的

所以我们可以把 ttf 转化成 svg 格式

小帅b发现这个网站不错

https://convertio.co/zh/ttf-svg/

那就转化一波呗

下载下来之后

再回到 fontello

把 svg 拖进去

然后就变成这个样子

选中要加密的字

然后点击 

Customize Codes

这时候就可以对字加密啦

接着点击右上角

下载加密后的字体文件

  • 那么现在
  • 我们就有了所需要的文件了

赶紧在帅b的页面试试看吧

首先定义一下

我们自定义文件的路径和名称

比如这里我们的字体就叫帅b

接着我们就可以使用刚刚加密的 code 了

打开网页

可以看到数字正常显示

而源码

变成了方块了

字体也指向了shuaib

是不是和大众点评的一模一样了

至此

你已经知道了对方的套路了

那么现在让你去爬取这样的网站

你知道怎么爬取吗?

除此之外

还有别的加密方式吗?

我们下回再一起探讨探讨