自定义字体混淆信息的自动化破解

摘要：注意本示例仅供学习参考混淆原理出于某种原因，明文信息通过自定义字体进行渲染，达到混淆目的。如果创建一种自定义字体，把渲染成，那么浏览者看到的便是这个数字。这样便达到混淆信息的效果，常见于对付爬虫之类的自动化工具。

注意：本示例仅供学习参考～

出于某种原因，明文信息通过自定义字体进行渲染，达到混淆目的。

举个例子：
网页源码

123

下载自定义字体文件（通常在 css @font-face 中找到），保存成 a.ttf 文件。

安装以下依赖项目

tesseract 4.0 及以上版本，以及简体中文(chi_sim)和英文(eng)数据文件。

python tesserocr 最新源码(github)版本。

python fonttools 库。

python pillow 库。

运行以下代码

# -*- coding: utf-8 -*-
本例采用 tesseract OCR 引擎，根据字体文件自动生成密文与明文的字符映射表，实现解密功能。

@author: 李毅
"""
from tesserocr import PyTessBaseAPI, PSM
from PIL import Image, ImageDraw, ImageFont
from fontTools.ttLib import TTFont
import string


class OCR(object):
    default_config = {
        # ocr engine
        "data_path": None,
        "lang": "chi_sim",
        "white_list": None,
        "black_list": None,
        # image
        "font": None,
        "image_size": (60, 60),
        "font_size": 30,
        "text_offset": (15, 15),
    }

    def __init__(self, config={}):
        c = dict(self.default_config)
        c.update(config)
        self.api = PyTessBaseAPI(path=c["data_path"], lang=c["lang"], psm=PSM.SINGLE_CHAR)
        self.img = Image.new("RGB", c["image_size"], color="white")
        self.draw = ImageDraw.Draw(self.img)
        self.font = ImageFont.truetype(c["font"], size=c["font_size"])
        self.text_offset = c["text_offset"]
        if c["white_list"]:
            self.api.SetVariable("tessedit_char_whitelist", c["white_list"])
        if c["black_list"]:
            self.api.SetVariable("tessedit_char_blacklist", c["black_list"])
        self.font_tool = TTFont(c["font"])
        self.empty_char = self._predict_empty_char()

    def _predict_empty_char(self):
        self.api.SetImage(self.img)
        return self.api.GetUTF8Text().strip()

    def is_char_in_font(self, char):
        for t in self.font_tool["cmap"].tables:
            if t.isUnicode():
                if ord(char) in t.cmap:
                    return True
        return False

    def predict(self, char):
        """ 返回转换后的字符，或空串"" """
        if not self.is_char_in_font(char):
            return char  # 若字体无法渲染该字符，则原样返回。此处可酌情移除。
        self.img.paste("white", (0, 0, self.img.size[0], self.img.size[1]))
        self.draw.text(self.text_offset, char, fill="black", font=self.font)
        self.api.SetImage(self.img)
        c2 = self.api.GetUTF8Text().strip()
        if c2 == self.empty_char:
            return ""  # 某些字符可能渲染成空白，此时返回空串。
        return c2


class Decoder(object):
    def __init__(self, data_path, font):
        self.cache = {}  # 缓存已知的映射关系。
        OCR.default_config.update(dict(data_path=data_path, font=font))
        self.ocr_digit = OCR(dict(
            lang="eng",
            white_list=string.digits,
            black_list=string.ascii_letters,
        ))
        self.ocr_letter = OCR(dict(
            lang="eng",
            black_list=string.digits,
            white_list=string.ascii_letters,
        ))
        self.ocr_other = OCR()

    def decode(self, char):
        if char not in self.cache:
            c2 = self._decode_when_cache_miss(char)
            self.cache[char] = c2 or char
        return self.cache[char]

    def _decode_when_cache_miss(self, char):
        ocr = self.ocr_other
        if char in string.digits:
            ocr = self.ocr_digit
        elif char in string.ascii_letters:
            ocr = self.ocr_letter
        return ocr.predict(char)


if __name__ == "__main__":
    s = """你好，青划长务, 8175-13-79"""
    d = Decoder("tessdata/", "a.ttf")
    print("".join(map(d.decode, s)))