内容简介:细心的人会问,为什么不把所有的内容都替换成编码呢?这个就涉及到加载和渲染速度的问题。还有如果启动字体反爬虫,基本上已经告别SEO了,请仔细考虑中间的厉害关系,你懂得!我们知道,单纯汉字就有好几千个,还有各种字符,有的还包含各种外国人的字符串!如果全部放到自定义字体库中的话,这个文件灰常大,几十兆是肯定有的了,那后果啥样就很清楚了,加载肯定很慢,更糟糕的是如此之多的字体需要浏览器去渲染,那效果,卡到爆!!!为了解决这个问题,我们可以选择只渲染少量的、部分的文字,假设50个字,那么字体库就会小到几十K了,相当于
0x0 前言
反爬虫和爬虫之间的较量已经争斗多年,不管是攻还是守,已经持续N年,这是一个没有硝烟的战场,大家都知道爬虫和反爬之家的道高一尺魔高一丈的关系。但这个方案可以很大程度上可以增加普通爬虫的采集成本,在不使用OCR的前提下,算是比较极致的方案了。当然方案有很多种,层出不穷的各种方法,这里介绍的时候反爬虫的中的一种比较实用的方案,字体反爬也就是自定义字体反爬通过调用自定义的ttf文件来渲染网页中的文字,而网页中的文字不再是文字,而是相应的字体编码,通过复制或者简单的采集是无法采集到编码后的文字内容!必须通过程序去处理才能达到采集成本。
效果展示!
0x1 思路
细心的人会问,为什么不把所有的内容都替换成编码呢?这个就涉及到加载和渲染速度的问题。还有如果启动字体反爬虫,基本上已经告别SEO了,请仔细考虑中间的厉害关系,你懂得!
我们知道,单纯汉字就有好几千个,还有各种字符,有的还包含各种外国人的字符串!如果全部放到自定义字体库中的话,这个文件灰常大,几十兆是肯定有的了,那后果啥样就很清楚了,加载肯定很慢,更糟糕的是如此之多的字体需要浏览器去渲染,那效果,卡到爆!!!
为了解决这个问题,我们可以选择只渲染少量的、部分的文字,假设50个字,那么字体库就会小到几十K了,相当于一个小图片而已,加上CDN加速之类的,解决了。具体网络上又N种方法参考方法我会贴在下面!
如此简单?50个字儿呢可不是随便随便选择的,要选择那些爬虫采集不到就会很大改变整个语句的语义的词,直接点吧,也就是量词、否定词之类的。如原文“我有一头朱佩琪,我从来都不骑”,我们把其中的“一”、“不”放到我们的自定义字库中,这样一来,爬虫采集到的就是“我有头朱佩琪,我从来都骑”,嘿嘿,如果加上数字就更叼了,“漏洞版本 .. ???“ 是不是很猥琐。
但是上述方法早已让网络各位大神破解一遍了,这可如何是好呢?办法总是有的!如果让“叼”字的编码随机变化,但字体信息不变,浏览器渲染出来还是“叼”字那不就完美了,
于是,每个网页加载的时候,都随机加载了一套字体库,字体库的内容还是50个字,但每个字的顺序编码都是变化的,虽然我们打乱了关键字的编码顺序,但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,浏览器正是根据这些笔划信息渲染
如果吧,unicode编码和x,y坐标都骚做改动。他需要采集我的每一套字体库并且建立关系,这样增加的爬虫的成本,美滋滋。
0x3 实现
基于微软雅黑字库信息,抽取其中的关键字的字体信息,生成ttf 后 使用下方代码 开始随机然后随机生成上千套字库,后文章显示时随机从文件或者裤中查询出一套字库,并把文章中的关键字替换成Unicode编码进行渲染!
# 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): # 转换成XMl 到临时目录 filenametemp = "temp/toolstemp.xml" font = TTFont(filenames) font.saveXML(filenametemp) return filenametemp def TTFonts(filenames): # 转换XML转换ttf try: print("开始转换字体!!!" + 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", ] shuma = ((str(random.sample(random_list, int(25))).replace('\'', '')).replace(',', '')). \ replace(' ', '').replace('[', '').replace(']', '') filenametemp = "temp/" + shuma + ".xml" try: with open(files, 'r+') as fileOpen: data = fileOpen.read() fileOpen.close() for key in fontsjson.keys(): data = data.replace(str(relationdic[key]), str(fontsjson[key])) data = data.replace(str(relationdic[key]).upper(), str(fontsjson[key]).upper()) with open(filenametemp, 'w') as f: f.write(data) f.close() return shuma + ".ttf", filenametemp except Exception, ex: print ex filenametemp = "error" filenames = "" return filenametemp, filenames if __name__ == '__main__': random_list = ['e', 'a', 'd', 'f', 'c', 'b', '0', '1', '2', '3', '4', '5', '6', '7', '8', '9'] ttf_patn = "FontTest.ttf" # 请输入ttf文件绝对路径: unicodelengths = 4 # 输入 UniCode 长度: ttfnumber = 10 # 输入生成多少个文件: relationdic = {"0": "e2f1", "1": "efab", "2": "eba3", "3": "eba5", "4": "edfd", "5": "c57f", "6": "e261", "7": "f4d2", "8": "bad5", "9": "d4c2", "A": "bfec5", "B": "fc736", "C": "e6d21", "D": "be4a9", "E": "c0e8f", "F": "d3c26", "G": "b18a0", "H": "acb06", "I": "fd33e", "J": "fd36e", "K": "d417c", "L": "ad31e", "M": "ec95a", "N": "b39ce", "O": "d508a", "P": "a961d", "Q": "a76b0", "R": "b7f12", "S": "b0426", "T": "d5941", "U": "ede47", "V": "fc5a6", "W": "ed947", "X": "fd781", "Y": "b761a", "Z": "af370", "a": "fde89", "b": "ecb21", "c": "c123c", "d": "b4c2c", "e": "cbbc7", "f": "c10cb", "g": "cb78b", "h": "fdac7", "i": "076fe", "j": "d0def", "k": "ed6de", "l": "eaa1a", "m": "de1e9", "n": "9eaa5", "o": "123e5", "p": "e12e2", "q": "e5efd", "r": "e6ea9", "s": "e1e8a", "t": "b8eac", "u": "23e1c", "v": "ea6ac", "w": "b87de", "x": "e5dac", "y": "2ccea", "z": "3ada9"} # 必须当前混淆ttf填入关系 否则不知道谁是谁了。。。生成的json 文件也是错误的。。 try: macs = len(relationdic) + 50 * ttfnumber # 可能会有重复 多加点 tem_list = [] for x in range(0, int(macs)): tem_list.append(random_unicode(unicodelengths)) tem_list = list(set(tem_list)) # 去重 tempfontsxmlpa = TTFontsXML(ttf_patn) # 转换到临时XML地址。。 okjson = [] for f in range(0, ttfnumber): relationdictemp = relationdic.copy() for key in relationdictemp.keys(): b = random.sample(tem_list, 1) tem_list.remove(b[0]) relationdictemp[key] = b[0] filenames, filenametemp = Editfile(relationdictemp, tempfontsxmlpa) if filenametemp != "error": # 如果返回修改成功 启动转换ttf的程序! TTFonts(filenametemp) jsonSeve = {"url": filenames, "data": relationdictemp} okjson.append(jsonSeve) except Exception, ex: print ex
Git: https://github.com/hackxx/AntiCrawlerFontGeneration
上述代码中 不带x,y混淆,请自己修改代码谢谢,如有需要请联系我!
0x4 参考
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:- 反爬虫之字体反爬虫
- Python爬虫 - 记一次字体反爬
- Python爬虫实例:爬取猫眼电影——破解字体反爬
- CSS 字体:字体特性
- iOS 自定义字体设置与系统自带的字体
- ReactNative字体大小不随系统字体大小变化而变化
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。