【网络爬虫实战】大众点评评论页面字体加密与位置偏移

评论页有特殊的字体加密方式（或者说。。应该叫字体加密吧？），刚开始我还没发现 emm

github链接。

观察评论html页面，有一个很奇怪的地方，之前字体加密无非是编码加密，还能看到编码，这里就直接什么都没有，只有一个标签，然后这个标签就变成了一个字。

是字体加密？搜索半天，包括用匿名模式（这样会禁用浏览器缓存，防止有的时候字体文件已经缓存就拦截不到请求）检查，始终没有发现字体文件。

甚至连html里都没有信息我是没想到的。

后来突然想到，会不会还是和搜索页面类似，藏在主页html里的css。

搜索发现，果然有。

我们看到这个css文件，有那么回事了，和上面的加密参数差不多

随机搜索一个：

果然有，那么问题就来了，background又是什么呢？

我们继续观察这个css文件。

我们还可以在css文件里找到三个结构。而class里的 wxo、nxu、iql也对应的三类加密代码。

cc[class^="wxo"] {
    width: 14px;
    height: 16px;
    margin-top: -7px;
    background-image: url(//s3plus.meituan.net/v1/mss_0a06a471f9514fc79c981b5466f56b91/svgtextcss/3f32038c3e34ba3201be7f6c71204aad.svg);
    background-repeat: no-repeat;
    display: inline-block;
    vertical-align: middle;
    margin-left: -6px;
}
bb[class^="nxu"] {
    width: 14px;
    height: 22px;
    margin-top: -1px;
    background-image: url(//s3plus.meituan.net/v1/mss_0a06a471f9514fc79c981b5466f56b91/svgtextcss/1ac4280822fdd2f06038703fc416045c.svg);
    background-repeat: no-repeat;
    display: inline-block;
    vertical-align: middle;
}
svgmtsi[class^="iql"] {
    width: 14px;
    height: 24px;
    margin-top: -14px;
    background-image: url(//s3plus.meituan.net/v1/mss_0a06a471f9514fc79c981b5466f56b91/svgtextcss/08ef8d8f10080d81ae3ba79ac999e6b8.svg);
    background-repeat: no-repeat;
    display: inline-block;
    vertical-align: middle;
}

我们访问那几个svg链接：

wxo：

nxu：

最后一个iql就很多了（部分）：

那我们猜测，这个px，根据常识应该是坐标这类，那是不是就是坐标呢？我们以这个为目标进行探索。

网页查看实在不方便，而且链接也是一个svg文件，我们使用python将svg文件下载回来：

import requests
url = 'http://s3plus.meituan.net/v1/mss_0a06a471f9514fc79c981b5466f56b91/svgtextcss/08ef8d8f10080d81ae3ba79ac999e6b8.svg'
# url = 'http://s3plus.meituan.net/v1/mss_0a06a471f9514fc79c981b5466f56b91/svgtextcss/3f32038c3e34ba3201be7f6c71204aad.svg'
r = requests.get(url)
with open('test.svg','wb') as f:
    f.write(r.content)

发现这个是一个xml结构的文件。

通过各种比对呢（别问怎么比的了，反正就是各种尝试），终于得到了坐标的秘密。

就是每个字宽度14个像素，长度23个像素，然后根据px位置，计算出对应位置的文字即是最终结果 （2021年3月修改：其实字的大小不一样，需要根据textLength或类似标签动态解析） 。

目前还不确定这个映射是不是固定的（对比搜索页字体，是动态的），考虑到这个链接也可以在css中很容易的更改，技术上动态也很容易，有待继续观察。（ 2021年3月修改： 是动态的，代码改为全动态解析）

ps：大众点评的反爬真的反人类，常规浏览都会触发人机验证，还搞这么麻烦的加密。