溫馨提示×
您好，登錄后才能下訂單哦！
點(diǎn)擊 登錄注冊(cè) 即表示同意《億速云用戶服務(wù)條款》
您好，登錄后才能下訂單哦！
本篇內(nèi)容主要講解“python起點(diǎn)網(wǎng)月票榜字體反爬的方法是什么”，感興趣的朋友不妨來(lái)看看。本文介紹的方法操作簡(jiǎn)單快捷，實(shí)用性強(qiáng)。下面就讓小編來(lái)帶大家學(xué)習(xí)“python起點(diǎn)網(wǎng)月票榜字體反爬的方法是什么”吧!
老規(guī)矩哈我們先進(jìn)入起點(diǎn)月票榜f12調(diào)試，找到書(shū)名與其對(duì)應(yīng)的月票數(shù)據(jù)所在，使用xpath嘗試提取
可以看到剛剛好20條數(shù)據(jù)，接下來(lái)找月票數(shù)據(jù)：
這是什么鬼xpath檢索出來(lái)20條數(shù)據(jù)但是數(shù)據(jù)為空，element中數(shù)據(jù)顯示為未知符號(hào)，這貌似沒(méi)有數(shù)據(jù)呀，這時(shí)我們觀察源代碼，搜索關(guān)鍵字font-face可以看到這種看不懂的編碼，這就是前言中所說(shuō)的字體的編碼。
我們接下來(lái)找字體文件數(shù)據(jù)包
woff文件并且請(qǐng)求地址與這上面看到的地址一樣，不過(guò)這里需要注意的是每次請(qǐng)求地址都不一樣，文件名字也不一樣，所以我們需要每爬取一次都要單獨(dú)爬取一次字體加密數(shù)據(jù)，字體加密數(shù)據(jù)可以使用第三方庫(kù)fonttools進(jìn)行解析
我們現(xiàn)在擁有：
1.書(shū)名
2.月票數(shù)據(jù)的密文
3.月票數(shù)據(jù)密文對(duì)應(yīng)的字體文件
首先定義獲取書(shū)名的函數(shù)get_book_name并進(jìn)行測(cè)試:
import requests
from lxml import etree
def get_book_name(xml_obj):
name_list = xml_obj.xpath("//div[@class='book-mid-info']/h5/a/text()")
return name_list
if __name__ == '__main__':
# 設(shè)置我們通用的請(qǐng)求頭，避免被反爬攔截
headers_ = {
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.45 Safari/537.36',
'referer': 'https://www.qidian.com/rank/',
'cookie': 'e1=%7B%22pid%22%3A%22qd_P_rank_19%22%2C%22eid%22%3A%22%22%2C%22l1%22%3A5%7D; e2=%7B%22pid%22%3A%22qd_P_rank_19%22%2C%22eid%22%3A%22%22%2C%22l1%22%3A5%7D; _yep_uuid=6a2ad124-678f-04d3-7195-2e4e9f5c470e; _gid=GA1.2.501012674.1638335311; newstatisticUUID=1638335311_1217304635; _csrfToken=adBfL5dzru0KuzVgLJpxtsE8zQcfgZT8MzKf0aMs; e2=; e1=%7B%22pid%22%3A%22qd_p_qidian%22%2C%22eid%22%3A%22qd_A16%22%2C%22l1%22%3A3%7D; _ga_FZMMH98S83=GS1.1.1638362844.2.1.1638362855.0; _ga_PFYW0QLV3P=GS1.1.1638362844.2.1.1638362855.0; _ga=GA1.2.2025243050.1638335311; _gat_gtag_UA_199934072_2=1'
}
url_ = 'https://www.qidian.com/rank/yuepiao/'
# 請(qǐng)求網(wǎng)頁(yè)源代碼
str_data = requests.get(url_, headers=headers_).text
# 使用xpath解析書(shū)名
xml_obj = etree.HTML(str_data)
print(get_book_name(xml_obj)) # ['從紅月開(kāi)始', '人族鎮(zhèn)守使', '全屬性武道', '深空彼岸', '我的云養(yǎng)女友', '我用閑書(shū)成圣人', '明克街13號(hào)', '星門(mén)', '東晉北府一丘八', '夜的命名術(shù)', '這個(gè)人仙太過(guò)正經(jīng)', '頂級(jí)氣運(yùn)，悄悄修煉千年', '不科學(xué)御獸', '我的治愈系游戲', '這游戲也太真實(shí)了', '長(zhǎng)夜余火', '赤心巡天', '輪回樂(lè)園', '合道', '宇宙職業(yè)選手']2.請(qǐng)求月票數(shù)據(jù)密文，并進(jìn)行測(cè)試：
import re
import requests
from lxml import etree
# 獲取書(shū)名
def get_book_name(xml_obj):
name_list = xml_obj.xpath("//div[@class='book-mid-info']/h5/a/text()")
return name_list
# 獲取月票加密數(shù)據(jù)
def get_yuepiao(str_data):
# 這里我們之前分析發(fā)現(xiàn)xpath取出來(lái)的數(shù)據(jù)是空值，我們直接對(duì)網(wǎng)頁(yè)源代碼使用re正則匹配獲取加密數(shù)據(jù)
yuepiao_list=re.findall(r'''</style><span class=".*?">(.*?)</span>''',str_data)
return yuepiao_list
if __name__ == '__main__':
# 設(shè)置我們通用的請(qǐng)求頭，避免被反爬攔截
headers_ = {
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.45 Safari/537.36',
'referer': 'https://www.qidian.com/rank/',
'cookie': 'e1=%7B%22pid%22%3A%22qd_P_rank_19%22%2C%22eid%22%3A%22%22%2C%22l1%22%3A5%7D; e2=%7B%22pid%22%3A%22qd_P_rank_19%22%2C%22eid%22%3A%22%22%2C%22l1%22%3A5%7D; _yep_uuid=6a2ad124-678f-04d3-7195-2e4e9f5c470e; _gid=GA1.2.501012674.1638335311; newstatisticUUID=1638335311_1217304635; _csrfToken=adBfL5dzru0KuzVgLJpxtsE8zQcfgZT8MzKf0aMs; e2=; e1=%7B%22pid%22%3A%22qd_p_qidian%22%2C%22eid%22%3A%22qd_A16%22%2C%22l1%22%3A3%7D; _ga_FZMMH98S83=GS1.1.1638362844.2.1.1638362855.0; _ga_PFYW0QLV3P=GS1.1.1638362844.2.1.1638362855.0; _ga=GA1.2.2025243050.1638335311; _gat_gtag_UA_199934072_2=1'
}
url_ = 'https://www.qidian.com/rank/yuepiao/'
# 請(qǐng)求網(wǎng)頁(yè)源代碼
str_data = requests.get(url_, headers=headers_).text
# 使用xpath解析書(shū)名
xml_obj = etree.HTML(str_data)
print(get_book_name(xml_obj)) # ['從紅月開(kāi)始', '人族鎮(zhèn)守使', '全屬性武道', '深空彼岸', '我的云養(yǎng)女友', '我用閑書(shū)成圣人', '明克街13號(hào)', '星門(mén)', '東晉北府一丘八', '夜的命名術(shù)', '這個(gè)人仙太過(guò)正經(jīng)', '頂級(jí)氣運(yùn)，悄悄修煉千年', '不科學(xué)御獸', '我的治愈系游戲', '這游戲也太真實(shí)了', '長(zhǎng)夜余火', '赤心巡天', '輪回樂(lè)園', '合道', '宇宙職業(yè)選手']
print(get_yuepiao(str_data)) # ['𘢒𘢒𘢐𘢉𘢎', '𘢌𘢋𘢐𘢐', '𘢌𘢏𘢌𘢑', '𘢑𘢉𘢒𘢎', '𘢑𘢎𘢋𘢔', '𘢑𘢏𘢏𘢉', '𘢎𘢑𘢐𘢉', '𘢎𘢏𘢑𘢔', '𘢎𘢒𘢉𘢏', '𘢏𘢎𘢏𘢎', '𘢔𘢑𘢑𘢔', '𘢔𘢎𘢐𘢓', '𘢔𘢔𘢑𘢐', '𘢔𘢒𘢑𘢏', '𘢔𘢐𘢒𘢐', '𘢒𘢌𘢉𘢌', '𘢒𘢑𘢌𘢓', '𘢒𘢑𘢎𘢓', '𘢒𘢎𘢓𘢉', '𘢒𘢎𘢏𘢐']3.獲取字體加密文件里的對(duì)應(yīng)關(guān)系：
安裝fonttools庫(kù)
由于第一次使用fonttools庫(kù)，在使用時(shí)遇到了以下錯(cuò)誤 查詢百度得知可能是由于字體文件名字有誤，把名稱換成url上面帶的就成功的提取出來(lái)鍵值對(duì)了
（也可能是我使用re正則提取font_url時(shí)候不規(guī)范造成url錯(cuò)誤）
只是這個(gè)鍵值對(duì)怎么編碼對(duì)應(yīng)英文，程序員為何為難程序員呢，不說(shuō)了我們要定義一個(gè)英語(yǔ)與阿拉伯?dāng)?shù)字對(duì)應(yīng)的字典進(jìn)行對(duì)英文的替換
def get_font(xml_obj, headers_):
# 使用xpath與re獲取字體加密數(shù)據(jù)包地址
font_div = xml_obj.xpath("//span/style/text()")[0]
font_url = re.findall("eot.*?(https:.*?.woff)", font_div)[0]
font_name = str(font_url).rsplit('/', 1)[1]
# 獲取font文件進(jìn)行本地保存
font_data = requests.get(font_url, headers_).content
with open(f'{font_name}', 'wb') as f:
f.write(font_data)
# 加載字體文件
font_data = TTFont(f'{font_name}')
# font_data.saveXML('字體.xml')
font_doct01 = font_data.getBestCmap()
font_doct02 = {
'period': '.',
'zero': '0',
'one': '1',
'two': '2',
'three': '3',
'four': '4',
'five': '5',
'six': '6',
'seven': '7',
'eight': '8',
'nine': '9'
}
for i in font_doct01:
font_doct01[i]=font_doct02[font_doct01[i]]
return font_doct01程序完美運(yùn)行：
總代碼如下：
import re
import requests
from lxml import etree
from fontTools.ttLib import TTFont
# 獲取書(shū)名
def get_book_name(xml_obj):
name_list = xml_obj.xpath("//div[@class='book-mid-info']/h5/a/text()")
return name_list
# 獲取月票加密數(shù)據(jù)
def get_yuepiao(str_data):
# 這里我們之前分析發(fā)現(xiàn)xpath取出來(lái)的數(shù)據(jù)是空值，我們直接對(duì)網(wǎng)頁(yè)源代碼使用re正則匹配獲取加密數(shù)據(jù)
yuepiao_list = re.findall(r'''</style><span class=".*?">(.*?)</span>''', str_data)
return yuepiao_list
def get_font(xml_obj, headers_):
# 使用xpath與re獲取字體加密數(shù)據(jù)包地址
font_div = xml_obj.xpath("//span/style/text()")[0]
font_url = re.findall("eot.*?(https:.*?.woff)", font_div)[0]
font_name = str(font_url).rsplit('/', 1)[1]
# 獲取font文件進(jìn)行本地保存
font_data = requests.get(font_url, headers_).content
with open(f'{font_name}', 'wb') as f:
f.write(font_data)
# 加載字體文件
font_data = TTFont(f'{font_name}')
# font_data.saveXML('字體.xml')
font_doct01 = font_data.getBestCmap()
font_doct02 = {
'period': '.',
'zero': '0',
'one': '1',
'two': '2',
'three': '3',
'four': '4',
'five': '5',
'six': '6',
'seven': '7',
'eight': '8',
'nine': '9'
}
for i in font_doct01:
font_doct01[i] = font_doct02[font_doct01[i]]
return font_doct01
def jiemi(miwen_list, font_list):
yuepiao = []
for i in miwen_list:
num = ''
mw_list=re.findall('&#(.*?);', i)
for j in mw_list:
num += font_list[int(j)]
yuepiao.append(int(num))
return yuepiao
if __name__ == '__main__':
# 設(shè)置我們通用的請(qǐng)求頭，避免被反爬攔截
headers_ = {
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.45 Safari/537.36',
'referer': 'https://www.qidian.com/rank/',
'cookie': 'e1=%7B%22pid%22%3A%22qd_P_rank_19%22%2C%22eid%22%3A%22%22%2C%22l1%22%3A5%7D; e2=%7B%22pid%22%3A%22qd_P_rank_19%22%2C%22eid%22%3A%22%22%2C%22l1%22%3A5%7D; _yep_uuid=6a2ad124-678f-04d3-7195-2e4e9f5c470e; _gid=GA1.2.501012674.1638335311; newstatisticUUID=1638335311_1217304635; _csrfToken=adBfL5dzru0KuzVgLJpxtsE8zQcfgZT8MzKf0aMs; e2=; e1=%7B%22pid%22%3A%22qd_p_qidian%22%2C%22eid%22%3A%22qd_A16%22%2C%22l1%22%3A3%7D; _ga_FZMMH98S83=GS1.1.1638362844.2.1.1638362855.0; _ga_PFYW0QLV3P=GS1.1.1638362844.2.1.1638362855.0; _ga=GA1.2.2025243050.1638335311; _gat_gtag_UA_199934072_2=1'
}
url_ = 'https://www.qidian.com/rank/yuepiao/'
# 請(qǐng)求網(wǎng)頁(yè)源代碼
str_data = requests.get(url_, headers=headers_).text
# 使用xpath解析書(shū)名
xml_obj = etree.HTML(str_data)
# print(get_book_name(
# xml_obj)) # ['從紅月開(kāi)始', '人族鎮(zhèn)守使', '全屬性武道', '深空彼岸', '我的云養(yǎng)女友', '我用閑書(shū)成圣人', '明克街13號(hào)', '星門(mén)', '東晉北府一丘八', '夜的命名術(shù)', '這個(gè)人仙太過(guò)正經(jīng)', '頂級(jí)氣運(yùn)，悄悄修煉千年', '不科學(xué)御獸', '我的治愈系游戲', '這游戲也太真實(shí)了', '長(zhǎng)夜余火', '赤心巡天', '輪回樂(lè)園', '合道', '宇宙職業(yè)選手']
# print(get_yuepiao(
# str_data)) # ['𘢒𘢒𘢐𘢉𘢎', '𘢌𘢋𘢐𘢐', '𘢌𘢏𘢌𘢑', '𘢑𘢉𘢒𘢎', '𘢑𘢎𘢋𘢔', '𘢑𘢏𘢏𘢉', '𘢎𘢑𘢐𘢉', '𘢎𘢏𘢑𘢔', '𘢎𘢒𘢉𘢏', '𘢏𘢎𘢏𘢎', '𘢔𘢑𘢑𘢔', '𘢔𘢎𘢐𘢓', '𘢔𘢔𘢑𘢐', '𘢔𘢒𘢑𘢏', '𘢔𘢐𘢒𘢐', '𘢒𘢌𘢉𘢌', '𘢒𘢑𘢌𘢓', '𘢒𘢑𘢎𘢓', '𘢒𘢎𘢓𘢉', '𘢒𘢎𘢏𘢐']
# print(get_font(xml_obj, headers_))
# 書(shū)名列表
book_name_list = get_book_name(xml_obj)
# 月票列表
yuepiao_list = jiemi(get_yuepiao(str_data), get_font(xml_obj, headers_))
for i in range(len(book_name_list)):
print(f'{book_name_list[i]}:{yuepiao_list[i]}')到此，相信大家對(duì)“python起點(diǎn)網(wǎng)月票榜字體反爬的方法是什么”有了更深的了解，不妨來(lái)實(shí)際操作一番吧！這里是億速云網(wǎng)站，更多相關(guān)內(nèi)容可以進(jìn)入相關(guān)頻道進(jìn)行查詢，關(guān)注我們，繼續(xù)學(xué)習(xí)！
免責(zé)聲明：本站發(fā)布的內(nèi)容（圖片、視頻和文字）以原創(chuàng)、轉(zhuǎn)載和分享為主，文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱：is@yisu.com進(jìn)行舉報(bào)，并提供相關(guān)證據(jù)，一經(jīng)查實(shí)，將立刻刪除涉嫌侵權(quán)內(nèi)容。
億速云公眾號(hào)
手機(jī)網(wǎng)站二維碼