python起點網月票榜字體反爬案例
更新時間：2021年12月03日 09:46:38 作者：豪豪喜歡吃豬肉
大家好，本篇文章主要講的是python起點網月票榜字體反爬案例，感興趣的同學趕快來看一看吧，對你有幫助的話記得收藏一下，方便下次瀏覽
前言：
字體反爬是什么個意思？就是網站把自己的重要數據不直接的在源代碼中呈現出來，而是通過相應字體的編碼，與一個字體文件（一般后綴為ttf或woff）把相應的編碼轉換為自己想要的數據，知道了原理，接下來開始展示才藝
1.解析過程
老規(guī)矩哈我們先進入起點月票榜f12調試，找到書名與其對應的月票數據所在，使用xpath嘗試提取
?
可以看到剛剛好20條數據，接下來找月票數據：
?
這是什么鬼xpath檢索出來20條數據但是數據為空，element中數據顯示為未知符號，這貌似沒有數據呀，這時我們觀察源代碼，搜索關鍵字font-face可以看到這種看不懂的編碼，這就是前言中所說的字體的編碼。
?我們接下來找字體文件數據包
?woff文件并且請求地址與這上面看到的地址一樣，不過這里需要注意的是每次請求地址都不一樣，文件名字也不一樣，所以我們需要每爬取一次都要單獨爬取一次字體加密數據，字體加密數據可以使用第三方庫fonttools進行解析
我們現在擁有：
1.書名
2.月票數據的密文
3.月票數據密文對應的字體文件
2.開始敲代碼
首先定義獲取書名的函數get_book_name并進行測試:
import requests
from lxml import etree
def get_book_name(xml_obj):
name_list = xml_obj.xpath("http://div[@class='book-mid-info']/h4/a/text()")
return name_list
if __name__ == '__main__':
# 設置我們通用的請求頭，避免被反爬攔截
headers_ = {
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.45 Safari/537.36',
'referer': 'https://www.qidian.com/rank/',
'cookie': 'e1=%7B%22pid%22%3A%22qd_P_rank_19%22%2C%22eid%22%3A%22%22%2C%22l1%22%3A5%7D; e2=%7B%22pid%22%3A%22qd_P_rank_19%22%2C%22eid%22%3A%22%22%2C%22l1%22%3A5%7D; _yep_uuid=6a2ad124-678f-04d3-7195-2e4e9f5c470e; _gid=GA1.2.501012674.1638335311; newstatisticUUID=1638335311_1217304635; _csrfToken=adBfL5dzru0KuzVgLJpxtsE8zQcfgZT8MzKf0aMs; e2=; e1=%7B%22pid%22%3A%22qd_p_qidian%22%2C%22eid%22%3A%22qd_A16%22%2C%22l1%22%3A3%7D; _ga_FZMMH98S83=GS1.1.1638362844.2.1.1638362855.0; _ga_PFYW0QLV3P=GS1.1.1638362844.2.1.1638362855.0; _ga=GA1.2.2025243050.1638335311; _gat_gtag_UA_199934072_2=1'
}
url_ = 'https://www.qidian.com/rank/yuepiao/'
# 請求網頁源代碼
str_data = requests.get(url_, headers=headers_).text
# 使用xpath解析書名
xml_obj = etree.HTML(str_data)
print(get_book_name(xml_obj)) # ['從紅月開始', '人族鎮(zhèn)守使', '全屬性武道', '深空彼岸', '我的云養(yǎng)女友', '我用閑書成圣人', '明克街13號', '星門', '東晉北府一丘八', '夜的命名術', '這個人仙太過正經', '頂級氣運，悄悄修煉千年', '不科學御獸', '我的治愈系游戲', '這游戲也太真實了', '長夜余火', '赤心巡天', '輪回樂園', '合道', '宇宙職業(yè)選手']
2.請求月票數據密文，并進行測試：
import re
import requests
from lxml import etree
# 獲取書名
def get_book_name(xml_obj):
name_list = xml_obj.xpath("http://div[@class='book-mid-info']/h4/a/text()")
return name_list
# 獲取月票加密數據
def get_yuepiao(str_data):
# 這里我們之前分析發(fā)現xpath取出來的數據是空值，我們直接對網頁源代碼使用re正則匹配獲取加密數據
yuepiao_list=re.findall(r'''</style><span class=".*?">(.*?)</span>''',str_data)
return yuepiao_list
if __name__ == '__main__':
# 設置我們通用的請求頭，避免被反爬攔截
headers_ = {
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.45 Safari/537.36',
'referer': 'https://www.qidian.com/rank/',
'cookie': 'e1=%7B%22pid%22%3A%22qd_P_rank_19%22%2C%22eid%22%3A%22%22%2C%22l1%22%3A5%7D; e2=%7B%22pid%22%3A%22qd_P_rank_19%22%2C%22eid%22%3A%22%22%2C%22l1%22%3A5%7D; _yep_uuid=6a2ad124-678f-04d3-7195-2e4e9f5c470e; _gid=GA1.2.501012674.1638335311; newstatisticUUID=1638335311_1217304635; _csrfToken=adBfL5dzru0KuzVgLJpxtsE8zQcfgZT8MzKf0aMs; e2=; e1=%7B%22pid%22%3A%22qd_p_qidian%22%2C%22eid%22%3A%22qd_A16%22%2C%22l1%22%3A3%7D; _ga_FZMMH98S83=GS1.1.1638362844.2.1.1638362855.0; _ga_PFYW0QLV3P=GS1.1.1638362844.2.1.1638362855.0; _ga=GA1.2.2025243050.1638335311; _gat_gtag_UA_199934072_2=1'
}
url_ = 'https://www.qidian.com/rank/yuepiao/'
# 請求網頁源代碼
str_data = requests.get(url_, headers=headers_).text
# 使用xpath解析書名
xml_obj = etree.HTML(str_data)
print(get_book_name(xml_obj)) # ['從紅月開始', '人族鎮(zhèn)守使', '全屬性武道', '深空彼岸', '我的云養(yǎng)女友', '我用閑書成圣人', '明克街13號', '星門', '東晉北府一丘八', '夜的命名術', '這個人仙太過正經', '頂級氣運，悄悄修煉千年', '不科學御獸', '我的治愈系游戲', '這游戲也太真實了', '長夜余火', '赤心巡天', '輪回樂園', '合道', '宇宙職業(yè)選手']
print(get_yuepiao(str_data)) # ['𘢒𘢒𘢐𘢉𘢎', '𘢌𘢋𘢐𘢐', '𘢌𘢏𘢌𘢑', '𘢑𘢉𘢒𘢎', '𘢑𘢎𘢋𘢔', '𘢑𘢏𘢏𘢉', '𘢎𘢑𘢐𘢉', '𘢎𘢏𘢑𘢔', '𘢎𘢒𘢉𘢏', '𘢏𘢎𘢏𘢎', '𘢔𘢑𘢑𘢔', '𘢔𘢎𘢐𘢓', '𘢔𘢔𘢑𘢐', '𘢔𘢒𘢑𘢏', '𘢔𘢐𘢒𘢐', '𘢒𘢌𘢉𘢌', '𘢒𘢑𘢌𘢓', '𘢒𘢑𘢎𘢓', '𘢒𘢎𘢓𘢉', '𘢒𘢎𘢏𘢐']
3.獲取字體加密文件里的對應關系：
安裝fonttools庫
?由于第一次使用fonttools庫，在使用時遇到了以下錯誤?查詢百度得知可能是由于字體文件名字有誤，把名稱換成url上面帶的就成功的提取出來鍵值對了
（也可能是我使用re正則提取font_url時候不規(guī)范造成url錯誤）
只是這個鍵值對怎么編碼對應英文，程序員為何為難程序員呢，不說了我們要定義一個英語與阿拉伯數字對應的字典進行對英文的替換
def get_font(xml_obj, headers_):
# 使用xpath與re獲取字體加密數據包地址
font_div = xml_obj.xpath("http://span/style/text()")[0]
font_url = re.findall("eot.*?(https:.*?.woff)", font_div)[0]
font_name = str(font_url).rsplit('/', 1)[1]
# 獲取font文件進行本地保存
font_data = requests.get(font_url, headers_).content
with open(f'{font_name}', 'wb') as f:
f.write(font_data)
# 加載字體文件
font_data = TTFont(f'{font_name}')
# font_data.saveXML('字體.xml')
font_doct01 = font_data.getBestCmap()
font_doct02 = {
'period': '.',
'zero': '0',
'one': '1',
'two': '2',
'three': '3',
'four': '4',
'five': '5',
'six': '6',
'seven': '7',
'eight': '8',
'nine': '9'
}
for i in font_doct01:
font_doct01[i]=font_doct02[font_doct01[i]]
return font_doct01
程序完美運行：
總代碼如下：?
import re
import requests
from lxml import etree
from fontTools.ttLib import TTFont
# 獲取書名
def get_book_name(xml_obj):
name_list = xml_obj.xpath("http://div[@class='book-mid-info']/h4/a/text()")
return name_list
# 獲取月票加密數據
def get_yuepiao(str_data):
# 這里我們之前分析發(fā)現xpath取出來的數據是空值，我們直接對網頁源代碼使用re正則匹配獲取加密數據
yuepiao_list = re.findall(r'''</style><span class=".*?">(.*?)</span>''', str_data)
return yuepiao_list
def get_font(xml_obj, headers_):
# 使用xpath與re獲取字體加密數據包地址
font_div = xml_obj.xpath("http://span/style/text()")[0]
font_url = re.findall("eot.*?(https:.*?.woff)", font_div)[0]
font_name = str(font_url).rsplit('/', 1)[1]
# 獲取font文件進行本地保存
font_data = requests.get(font_url, headers_).content
with open(f'{font_name}', 'wb') as f:
f.write(font_data)
# 加載字體文件
font_data = TTFont(f'{font_name}')
# font_data.saveXML('字體.xml')
font_doct01 = font_data.getBestCmap()
font_doct02 = {
'period': '.',
'zero': '0',
'one': '1',
'two': '2',
'three': '3',
'four': '4',
'five': '5',
'six': '6',
'seven': '7',
'eight': '8',
'nine': '9'
}
for i in font_doct01:
font_doct01[i] = font_doct02[font_doct01[i]]
return font_doct01
def jiemi(miwen_list, font_list):
yuepiao = []
for i in miwen_list:
num = ''
mw_list=re.findall('&#(.*?);', i)
for j in mw_list:
num += font_list[int(j)]
yuepiao.append(int(num))
return yuepiao
if __name__ == '__main__':
# 設置我們通用的請求頭，避免被反爬攔截
headers_ = {
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.45 Safari/537.36',
'referer': 'https://www.qidian.com/rank/',
'cookie': 'e1=%7B%22pid%22%3A%22qd_P_rank_19%22%2C%22eid%22%3A%22%22%2C%22l1%22%3A5%7D; e2=%7B%22pid%22%3A%22qd_P_rank_19%22%2C%22eid%22%3A%22%22%2C%22l1%22%3A5%7D; _yep_uuid=6a2ad124-678f-04d3-7195-2e4e9f5c470e; _gid=GA1.2.501012674.1638335311; newstatisticUUID=1638335311_1217304635; _csrfToken=adBfL5dzru0KuzVgLJpxtsE8zQcfgZT8MzKf0aMs; e2=; e1=%7B%22pid%22%3A%22qd_p_qidian%22%2C%22eid%22%3A%22qd_A16%22%2C%22l1%22%3A3%7D; _ga_FZMMH98S83=GS1.1.1638362844.2.1.1638362855.0; _ga_PFYW0QLV3P=GS1.1.1638362844.2.1.1638362855.0; _ga=GA1.2.2025243050.1638335311; _gat_gtag_UA_199934072_2=1'
}
url_ = 'https://www.qidian.com/rank/yuepiao/'
# 請求網頁源代碼
str_data = requests.get(url_, headers=headers_).text
# 使用xpath解析書名
xml_obj = etree.HTML(str_data)
# print(get_book_name(
# xml_obj)) # ['從紅月開始', '人族鎮(zhèn)守使', '全屬性武道', '深空彼岸', '我的云養(yǎng)女友', '我用閑書成圣人', '明克街13號', '星門', '東晉北府一丘八', '夜的命名術', '這個人仙太過正經', '頂級氣運，悄悄修煉千年', '不科學御獸', '我的治愈系游戲', '這游戲也太真實了', '長夜余火', '赤心巡天', '輪回樂園', '合道', '宇宙職業(yè)選手']
# print(get_yuepiao(
# str_data)) # ['𘢒𘢒𘢐𘢉𘢎', '𘢌𘢋𘢐𘢐', '𘢌𘢏𘢌𘢑', '𘢑𘢉𘢒𘢎', '𘢑𘢎𘢋𘢔', '𘢑𘢏𘢏𘢉', '𘢎𘢑𘢐𘢉', '𘢎𘢏𘢑𘢔', '𘢎𘢒𘢉𘢏', '𘢏𘢎𘢏𘢎', '𘢔𘢑𘢑𘢔', '𘢔𘢎𘢐𘢓', '𘢔𘢔𘢑𘢐', '𘢔𘢒𘢑𘢏', '𘢔𘢐𘢒𘢐', '𘢒𘢌𘢉𘢌', '𘢒𘢑𘢌𘢓', '𘢒𘢑𘢎𘢓', '𘢒𘢎𘢓𘢉', '𘢒𘢎𘢏𘢐']
# print(get_font(xml_obj, headers_))
# 書名列表
book_name_list = get_book_name(xml_obj)
# 月票列表
yuepiao_list = jiemi(get_yuepiao(str_data), get_font(xml_obj, headers_))
for i in range(len(book_name_list)):
print(f'{book_name_list[i]}:{yuepiao_list[i]}')
到此這篇關于python起點網月票榜字體反爬案例的文章就介紹到這了,更多相關python字體反爬內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
一文秒懂python讀寫csv xml json文件各種騷操作
多年來，數據存儲的可能格式顯著增加，但是，在日常使用中，還是以 CSV 、 JSON 和 XML 占主導地位。 在本文中，我將與你分享在Python中使用這三種流行數據格式及其之間相互轉換的最簡單方法,需要的朋友可以參考下2019-07-07
python?numpy?中l(wèi)inspace函數示例詳解
這篇文章主要介紹了python?numpy?中l(wèi)inspace函數,本文我們通過示例學習了linspace函數，如果你熟悉NumPy，一定也注意到還有np.arange函數，兩者最大差異是，linspace能夠精確控制終止值終值，而arange能夠更直接地控制序列中值之間的增量，需要的朋友可以參考下2023-03-03
這篇文章主要介紹了解決使用pycharm提交代碼時沖突之后文件丟失找回的方法 ,需要的朋友可以參考下2018-08-08
python datatable庫大型數據集和多核數據處理使用探索
這篇文章主要介紹了python datatable庫大型數據集和多核數據處理使用探索,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪2024-01-01
下面小編就為大家分享一篇對pandas中apply函數的用法詳解，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-04-04
這篇文章主要介紹了Django Celery異步任務隊列的實現，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2019-07-07
這篇文章主要介紹了Python兔子毒藥問題,實例分析了兔子毒藥問題的算法原理與Python解決方法,需要的朋友可以參考下2015-03-03
Python處理電子表格的Pandas、OpenPyXL、xlrd和xlwt庫
在Python中處理表格數據,有幾個非常流行且功能強大的庫,Pandas在數據分析方面提供了廣泛的功能,而OpenPyXL、xlrd和xlwt則在處理Excel文件方面各有所長,以下是一些最常用的庫及其示例代碼2024-01-01
這篇文章主要為大家介紹了Python灰色預測模型實現示例解析，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪2023-02-02
這篇文章主要介紹了pycharm?終端部啟用虛擬環(huán)境詳情，文章圍繞pycharm?終端部啟用虛擬環(huán)境商務相關資料展開全文章的詳細內容，需要的小伙伴可以參考一下2021-12-12