关于爬虫字体加密解密思路，新手

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

这是一个创建于 1172 天前的主题，其中的信息可能已经有所发展或是发生改变。

目标网站 https://www.xuanzhi.com/zhixiashi-bj/zhaopaigua/od6
这个地方的数字为加密中文，
<span class="xn-cf">景.学电亩</span>
通过搜索
<style type="text/css">
@font-face {
font-family: "xn-font";
src: url('https://img2.xuanzhi.com/static/new/fonts/273c3c6cb56c9a9a/font.eot?2021081301'); /* IE9*/
src: url('https://img2.xuanzhi.com/static/new/fonts/273c3c6cb56c9a9a/font.eot?2021081301') format('embedded-opentype'), /* IE6-IE8 */
url('https://img2.xuanzhi.com/static/new/fonts/273c3c6cb56c9a9a/font.woff?2021081301') format('woff'), /* chrome, firefox */
url('https://img2.xuanzhi.com/static/new/fonts/273c3c6cb56c9a9a/font.ttf?2021081301') format('truetype'), /* chrome, firefox, opera, Safari, Android, iOS 4.2+*/
url('https://img2.xuanzhi.com/static/new/fonts/273c3c6cb56c9a9a/font.svg?2021081301') format('svg'); /* iOS 4.1- */
}
.xn-cf {
font-family: "xn-font" !important;
font-style: normal;
-webkit-font-smoothing: antialiased;
-moz-osx-font-smoothing: grayscale;
}
</style>
找到了字体文件，地址为： https://img2.xuanzhi.com/static/new/fonts/273c3c6cb56c9a9a/font.woff?2021081301
，通过 FontCreator 软件打开了该字体文件，后续怎么版？菜狗求思路

15 条回复 • 2021-08-25 16:35:01 +08:00

fgwmlhdkkkw

2021-08-24 17:25:41 +08:00

用无头浏览器截图之后 orc……

lneoi

2021-08-24 17:27:29 +08:00

python 的话网上也有教程，有相关的库可以处理字体文件提取相应的数据

xiangyuecn

2021-08-24 17:29:41 +08:00

ocr 简单省事

如果他们字体文件只有一个，那就简单手动建一个映射，几行代码的事。要是有很多个字体文件是随机取的一个字体文件来显示，那就稍微复杂点，要多点人工配合

rationa1cuzz

2021-08-24 17:35:01 +08:00

@fgwmlhdkkkw 这。。。有其他的方法吗？
@lneoi 没找到啊，找不到映射关系
@xiangyuecn 应该是有多个，每次请求都是不同的中文，只能手动创建映射吗？感觉工作量很大
主要找不到映射关系

ZAXON

2021-08-24 17:35:23 +08:00

主要看是动态的还是静态的吧, 要是那种刷新一次换一个字体文件的可以梭哈 OCR, 静态的写匹配规则效率更高一点

ZAXON

2021-08-24 17:41:40 +08:00

https://github.com/zxjlm/Poirot 也许可以看看这个, 我以前写的一个小玩具, 虽然很久没维护了不过应该还能用.

ClericPy

2021-08-24 18:37:38 +08:00

刚下班就看到这么好玩的帖子

随手打开看了下, 字体文件每次请求都换, 然后数字位置实际上是汉字的 unicode 做 key 去字体文件里读就行了, 没太大难度

比如某一次请求, 社 => \u793e 然后在字体文件里取 $793e 位置那个, 也就是 1. 然后考虑 woff 转个 xml 通过索引确认数字是什么, 因为索引 1 到 10 貌似就是数字 0 到 9

纯理论太具体的没实操, 就看了下编解码后的 unicode 和 woff 文件猜的

huai

2021-08-24 18:45:34 +08:00

7 楼貌似可以，之前试过 ocr，不过鉴别的准确度有点低。可能需要校准，这个不会了

songjiaxin2008

2021-08-24 18:52:03 +08:00

可以参考
glidedsky.com
https://github.com/solarhell/fontObfuscator

crab

2021-08-24 20:33:36 +08:00

https://cjting.me/2020/07/01/douyu-crawler-and-font-anti-crawling/
直接看尾部的内容。大概就是下载字体渲染 OCR 。

rationa1cuzz

2021-08-25 11:07:01 +08:00

@ZAXON 待会看一下
@ClericPy 我的思路也是这样，第一次做，汉字 unicode 后，取后面几位，就可以在 woff 里面找到对应的真实数据
@songjiaxin2008 感谢，我看看
@crab 是的，下载字体后渲染
后面还发现汉字里带数字的，吐了。。。再找找规律

cpstar

2021-08-25 14:51:11 +08:00

我怎么感觉就是一个凯撒加密呢？
1 也 2 苏 3 局 4 界 5 二 6 生 7 湖 8 乐 9 和 0 打
但是页面刷新之后就变了。但是仍然是个凯撒加密。

那么考虑字体如何对应的，每个字都一个编码，而字体库就是某个编码如何渲染成可展示的东西。那这就好办了，0-9 是个数字，把字体库逆向一下，这样就是一堆 key-value，key 是编码，value 是 0-9 。
如果其中能够发现一些规律当然是好的，key 就可以少很多了；如果找不到规律，那就只能枚举了。

同 @ClericPy 7#

cpstar

2021-08-25 15:02:51 +08:00

好吧，每次的字体文件好像都不一样，那也就是说服务器动态生成的字体文件，所以，继续逆向吧。加勒个油。

但是思路没问题，肯定是通过 unicode 的一定编码机制，生成密文和密码本，然后恺撒加密

rationa1cuzz

2021-08-25 15:59:18 +08:00

@cpstar 搞出来了，每次都拿最新的字体文件，然后解析出 map，中文-》 unicode 16 后，去 map 中找就好，特意搜一下凯撒加密，应该是没有偏移，直接可以在字体文件中找到对应结果

cpstar

2021-08-25 16:35:01 +08:00

恺撒密码，如果把原文的字符和密文的字符理解为两种字符，那就不是偏移了。只不过当时他们没有第二种字符来表示。