本文共 4142 字，大约阅读时间需要 13 分钟。

题目

题目地址：

解题

单个页面的数据如下，从网页元素中可以看出，网页源码中的数字和我们看到的数字并不同，如果简单爬取网页内容肯定无法达到题目要求。注意右下角篮圈中的字体样式，这就是 372 能显示成 127 的关键所在。

import requestsfrom lxml import etreeimport toolsimport base64import xml.dom.minidomfrom bs4 import BeautifulSoupimport refhtml = open('GlidedSky字体加密1.html', 'r', encoding='utf-8')soup = BeautifulSoup(fhtml, 'lxml')#解析

用 FontCreator 打开 字体文件.ttf 已经可以看到映射关系了。

from fontTools.ttLib import TTFontfont = TTFont('字体文件.ttf')font.saveXML("字体文件.xml")

解析后的内容如下：

   
     
        
         
         
         
         
         
         
         
         
         
         
         
       
        ...省略...    
        
         
           
      
            
      
            
      
            
      
            
      
            
      
            
      
            
      
            
      
            
      
          
         
           
      
            
      
            
      
            
      
            
      
            
      
            
      
            
      
            
      
            
      
          
       
        ...省略...
   

由 <cmap> 和 <GlyphOrder> 可以列出下面映射。

通过表格，我想到了三种方法还原字体：

1. 手动映射，直接手动写一个【字符–FontCreator看到的绘制文字】关系映射表，通过这个映射表来获取实际文字。优点：几乎没有技术门槛，编码快捷。缺点：如果字符较多则手动工作量巨大，且无法应对动态字体加密。
2. 编码中查找【字符–FontCreator看到的绘制文字】的逻辑关系，比如上面可以通过字符的Ascii查询到name，再由name查到对应的id，最后减1即是FontCreator绘制的数字。优点：技术门槛不高。缺点：字符与实际绘制文字并不一定就有逻辑关系，且无法应对动态字体加密。
3. OCR识别，通过字符对应OCR识别出的字符建立映射关系。优点：可以应对动态字体加密。缺点：技术门槛较高，识别可能不准确。

针对这道题来说，总共也就9个数需要映射，而且每次刷新页面，网页内容的数字都会改变，但实际看到的数字不变。好在每次刷新都符合通过字符的Ascii查询到name，再由name查到对应的id，最后减1即是FontCreator绘制的数字规律。于是可以按如下编码爬取：

import requestsfrom lxml import etreeimport toolsimport base64from fontTools.ttLib import TTFontimport xml.dom.minidomfrom bs4 import BeautifulSoupimport redef saveHtml(url, output_name):    """保存网页内容到本地文件"""    headers = {
           'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36',        # 没有Cookie会302到登录页        'Cookie': '__gads=ID=24468711568854be-22bdaffd29c8007c:T=1620874506:RT=1620874506:S=ALNI_MYJCrE0xSUvEfDx7UFPoqgfc0oEoQ; _ga=GA1.2.1515855357.1620874505; footprints=eyJpdiI6IkRZWEx6UFJaNUVOMHVIbkVFSTFvdkE9PSIsInZhbHVlIjoiTUFtM2xOTVZWVVJROUFuYWZuOWlIcFlsbCtaMzFxYzFocmVrZXZlenpCUDZ6K2RJdGp0a1lJOVNzU3NjWEZ6eiIsIm1hYyI6ImUyZjA5ZWZjOGE1YjFlOTcxZjkyYjZiMWJhZWI2MWUwMjQ2MGJlY2U5N2MwMDk0OGM1ZTU4YzMyMTIxMGYxYTIifQ%3D%3D; remember_web_59ba36addc2b2f9401580f014c7f58ea4e30989d=eyJpdiI6Im5laDlOMkFKMWx2UHFLMjliWlhHOEE9PSIsInZhbHVlIjoiaDkrZjIySWo0cnk1bEN4cmxhMGd5Z3hxTFNDc1VTejZsdTBoZTJnRVh4a3BxeXJhSWZqWXBmZnYyYzFnWjdleEg5R0hSN2traW9VcmZjZkJNXC9aaVdEMEN5UERZVktiSllUcURKT1VkZ1F6TGl3TXE2YXRoUWFBSVNhMDN5TE04d2NqTk12Y3NRa3FHdGFXbWo5azQwN1pBNnlqWGhBY0pzS0pxd0VNc2ZKdz0iLCJtYWMiOiI5OTFjNTU0YWNlYTk2YWQzZjlkNjI4NDlhYjY1NzEzYTk4YjBlNTcxNzVkNTg5OTBiNjg4NWI0ZTc5NTY4OGI4In0%3D; _gid=GA1.2.1650202755.1621993422; Hm_lvt_020fbaad6104bcddd1db12d6b78812f6=1621994369,1621994747,1621994780,1621994782; XSRF-TOKEN=eyJpdiI6InAwaURUOFNCWjdqU2lCNGV2VFNBVkE9PSIsInZhbHVlIjoidGM1RHFRYnlYQ1ZRdXpoOGJsc2JEQlc1Ym9QZ3VMMXNJY3hOM0lOQlN0VnZJOEpXOVJVUmZZblJFRVh1K0FQcCIsIm1hYyI6IjNlZGI2NGQ0Yjg3NDc2NDNmNzVkYjA2NzhiY2M0YjI2NTliMTUwMTgyZDM0ZmIzNWJlYmYyMjI0NGE0MzM0YjcifQ%3D%3D; Hm_lpvt_020fbaad6104bcddd1db12d6b78812f6=1622078279; glidedsky_session=eyJpdiI6ImRzV2xnQm9LUHJmWFJnUWsydndlUVE9PSIsInZhbHVlIjoiSHZia2dKYnViSmpcL1dZRCtBTGV4bG12RWUxa0YyZnMxaGFPR3RwSEtjWEdJc3FoU2tjd3pmUzIxTnJBa3dEVWUiLCJtYWMiOiJkZTYzMjQyZWU3ZDA4NmY4OTEwZjJiOTI4YzFmY2ZiYmM3NGJkMjQxNjU4MGE2ZTgzZTIzYzNhMWEzZTA4OWUwIn0%3D'    }    req = requests.get(url, headers=headers)    f = open(output_name, 'w', encoding='utf-8')    for i in req.text:        f.write(i)    print('网页保存到'+output_name)def saveFont(input_name, output_name):    """从网页文件中获取字体文件"""    fhtml = open(input_name, 'rb')    soup = BeautifulSoup(fhtml, 'lxml')    # 解析

运行，成功：

转载地址：https://blog.csdn.net/zyc3545/article/details/117325744 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！