摘要：不过，字体反爬也没有用，毕竟我们会破哈哈。抖音的字体反爬是在一个分享个人主页的链接中，别的链接暂时没有测试，不过破了一个其他的也就破了。下载完之后我们可以用的一个工具包来查看字体映射。
现在的网站，处处都是反爬，我们这些爬虫的经常需要和他们斗智斗勇，就看谁更厉害。这不，就连字体也弄成了反爬，而且还不止一个网站，常见的就有猫眼和汽车之家。不过，字体反爬也没有用，毕竟我们会破！哈哈。
抖音的字体反爬是在一个分享个人主页的链接中，别的链接暂时没有测试，不过破了一个其他的也就破了。
分享主页可以这样获得：
1). 点击迪丽热巴个人主页
2).点击左上角
3).再点击左上角分享以链接方式复制
做完之后你就可以获得这样一条链接：http://v.douyin.com/NT5Nck/
在浏览器打开可以看到：
链接编程了这样：https://www.iesdouyin.com/sha...
根据经验很容易知道前面的参数就是用户的 id 号，后面的就是时间戳，可以去掉的。
有了这个页面之后怎么将个人主页的名称、粉丝、点赞量等爬下来呢？接下来就是教你这个，请继续往下看！
1. 分析破解反爬字体打开开发者调试工具，很容易就可以看到数据所在的请求的链接
点击我们需要获取的粉丝数，你可以看到：
可以看到，字体都变成了正方形，很明显这个做了反爬。那我们再看看请求返回来的 html 信息。
可以看到一堆编码，而且都是数字变成了这样，所有抖音将这些数字的数据都做了字体进行映射，用了他们自己的字体，那我们可以看看开发者工具的 network 查看他所用的字体，一般都是 wolf 或者 ttf 结尾的，可以看到：
https://s3.bytecdn.cn/ies/res..._falcon/static/font/iconfont_9eb9a50.woff
在浏览器输入上面地址就可以下载该字体了。
下载完之后我们可以用 Python 的一个工具包 fontTools 来查看字体映射。
如果你没有这个包的话，可在命令行输入下面代码进行下载工具包：
pip install fontTools
使用 fontTools 将字体文件转为 XML 文件，下面为代码：
转换之后查看文件，你就可以看到之间的映射了，如下：
code 为我们在请求中显示的编码，name为映射，到我们需要找的是数字，num_ 代表的又是哪些数字呢？，如果你再找找，你会发现这个：
是不是感觉已经找到了，恭喜你，你被坑了，这个并不是，如果你第一次遇到的话，估计都会被它坑一次，这个并不是刚才的什么数字映射，只是一些 id 名字罢了。
这时就需要我们另借助一个字体软件了：FontCreator, 软件百度官网下载安装即可。
用这个软件打开字体，可以看到新大陆：
这个就是我们需要找的映射，配合上面在 XML 文件中找的映射，一起用，这个就破解了。
2.代码实现用 Python 代码只需要把它们之间的映射搞清楚就行了，所以我们可以使用字典来保存这些数据。
这个就是在软件上看到的映射关系，再来弄弄在 XML 中的编码对应关系
通过一行一行地读取 XML 文件的内容，找出映射并存储在相应的字典中，这就可以了，大功告成。
3.其他数据的获取我打算爬的是抖音的用户数据，先找了 1000 个抖音大号来爬取，接着会通过他们的粉丝列表再来爬取别的用户，这样就差不多能够把抖音的大多数用户获取了，具体怎样爬取粉丝列表，下篇文章告诉你！期待的就点个「好看」支持下？
下面是 1000 个抖音大号的部分爬取代码：
上面的就是我需要存储的内容。
由于篇幅问题，其他的就不放出来了，想要源码的关注公众号进行获取
「以下内容，本人仅供学习交流，切勿用于商业用途」
文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。
转载请注明本文地址：https://www.ucloud.cn/yun/43053.html
摘要：时间永远都过得那么快，一晃从年注册，到现在已经过去了年那些被我藏在收藏夹吃灰的文章，已经太多了，是时候把他们整理一下了。那是因为收藏夹太乱，橡皮擦给设置私密了，不收拾不好看呀。 ...
摘要：且本小白也亲身经历了整个从小白到爬虫初入门的过程，因此就斗胆在上开一个栏目，以我的图片爬虫全实现过程为例，以期用更简单清晰详尽的方式来帮助更多小白应对更大多数的爬虫实际问题。 前言： 一个月前，博主在学过python（一年前）、会一点网络（能按F12）的情况下，凭着热血和兴趣，开始了pyth...
对于内容型的公司，数据的安全性很重要。对于内容公司来说，数据的重要性不言而喻。比如你一个做在线教育的平台，题目的数据很重要吧，但是被别人通过爬虫技术全部爬走了？如果核心竞争力都被拿走了，那就是凉凉。再比说有个独立开发者想抄袭你的产品，通过抓包和爬虫手段将你核心的数据拿走，然后短期内做个网站和 App，短期内成为你的劲敌。 爬虫手段 目前爬虫技术都是从渲染好的 html 页面直接找到感兴趣的节点，...
摘要：对于内容型的公司，数据的安全性很重要。背景目前通过中的网页分析后，我们的数据安全性做的较差，有以下几个点存在问题网站的数据通过最早期的前后端分离来实现。比如当前的日期为，那么线性变换的为，为。 之前在上家公司的时候做过一些爬虫的工作，也帮助爬虫工程师解决过一些问题。然后我写过一些文章发布到网上，之后有一些人就找我做一些爬虫的外包，内容大概是爬取小红书的用户数据和商品数据，但是我没做。我...
摘要：模拟登陆知乎这个知乎的登陆也是坑满满，我也给踩了几个，这个就直接说坑吧，其他的就不多说了。 以下内容仅交流学习，请勿用于非法用途 如果你现在想模拟登陆知乎，会发现 fromdata 是一串加密的字符串 showImg(https://segmentfault.com/img/remote/1460000018245629); 看了之后是不是很痛苦？你是不是就想使用 selenium 来...
阅读 2621·2021-11-12 10:36
阅读 2260·2021-08-23 09:47
阅读 1678·2019-08-30 15:44
阅读 1402·2019-08-30 14:10
阅读 2243·2019-08-29 16:52
阅读 2336·2019-08-29 16:40
阅读 1587·2019-08-29 16:17
阅读 2410·2019-08-26 13:21
