前言

文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。

大家爬取分析XX点评数据，最常见的无非两种：

1、分析所有店铺的各类评分和推荐菜等

2、获得店铺里的评论数据

而大众点评最大的难题就是字体加密，也就是这样

很明显点评网宁可错杀一万，也不肯放过一个，干脆使用了自己定义的字体。不过既然自定义了字体，那么网页肯定需要加载字体文件。

谷歌浏览器，右键检查，进入network 然后刷新页面，点击Font。

我们来下载这个加载的字体：8f8cfde4.woff

右键 copy like address

粘贴到新页面 即可下载

将下载的字体导入FontEditor中打开

（百度家的在线字体编辑器）

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-JWVkemcp-1577367359320)(https://upload-images.jianshu.io/upload_images/20547410-52be79f3b75690d1.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240 “点击进入看图评论”)]

导入之后：

我们再结合网页源代码，就得到了相应乱码与数字的对应关系：

我们可以发现网页中的乱码和FontEditor中的乱码后四位是一样的，比如说图中某店铺的点评数为2481，在网页源代码用【1】来表示，这在FontEditor的字体编辑器中对应的是【unie801，unieb78，uniefe4】。

所以我们要做的是：

1、下载网站font字体包

2、将font字体包中导入FontEditor 观察得到乱码与数字的关系

3、前缀替换，并将字体名字和它们所对应的乱码构成一个字典

def get_font():

font = TTFont(‘8f8cfde4.woff’)

font_names = font.getGlyphOrder()

这些文字就是在FontEditor软件打开字体文件后看到的文字名字

texts = [’’,’’,‘1’,‘2’,‘3’,‘4’,‘5’,‘6’,‘7’,‘8’,‘9’,‘0’]

font_name = {}

将字体名字和它们所对应的乱码构成一个字典

for index,value in enumerate(texts):

a = font_names[index].replace(‘uni’, ‘&#x’).lower() + “;”

font_name[a] = value

return font_name

运行看一下：

没错，跟刚才观察的结果一致。

那么下面我们获取网页源代码，并根据刚才 get_font()构成的字典进行替换。

import requests

headers = {‘User-Agent’: ‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36’}

cookies = {‘cookie’:‘你的cookies’}

url = ‘http://www.dianping.com/beijing/ch10/g110p1’

html = requests.get(url, headers=headers,cookies = cookies).text

#requests获得html

num = get_font()

#获得加密映射关系

for key in num:

if key in html:

html = html.replace(key, str(num[key]))

#替换html中加密文字

再看一下结果：

这样就破解了点评网的字体加密。

对Python感兴趣或者是正在学习的小伙伴，可以加入我们的Python学习扣qun：855408893 ，从0基础的python脚本到web开发、爬虫、django、数据挖掘数据分析等，0基础到项目实战的资料都有整理。送给每一位python的小伙伴！每晚分享一些学习的方法和需要注意的小细节，学习路线规划，利用编程赚外快。点击加入我们的 python学习圈

剩下各位就可以自行用喜欢的解析方式来解析html啦。