C#爬虫与反爬虫--字体加密篇
爬虫和反爬虫是一条很长的路,遇到过js加密,flash加密、重点信息生成图片、css图片定位、请求头.....等手段;今天我们来聊一聊字体;
那是一个偶然我遇到了这个网站,把价格信息全加密了;浏览器展示:
查看源码后是这样:
当时突然恍然大悟,以为不就是把价格换成 &#xxxxx: .. 字符实体了嘛 我转下就行了;(注:大家可能对转义字符(实体名称)比较熟悉 比如双引号对应" ,字符实体呢就 &#开头 ; 结尾 中间那些是ascii码 ;我这个示例中又有点不一样的是 以x开头 表明是16进制的 ascii码;详解:http://www.w3school.com.cn/html/html_entities.asp 和
http://www.w3school.com.cn/tags/html_ref_ascii.asp) ;于是开始了转码。。。。
这是什么鬼,难道我的判断有误。当我打开浏览器调试界面发现
也是乱码,我在界面上copy金额黏贴到记事本看看
也是乱码说明上面的推断是没有错的,他应该就是在显示上做了什么处理;
在找找发现一段鬼鬼祟祟的代码;给price设置了一个叫zhongshugui的字体,但是好好的字体为啥要用base64 不用 http加载,http加载貌似可以用浏览器缓存的不是更好,base64 的话我每次浏览一个网页不都是要重新加载一下;莫非他不想缓存就是每次加载都不一样,经各种刷新后发现确实每次都生成不同文件;
既然感觉字体有问题 那我们就解析出来看看是啥,
这些0~9正好和界面上的html字符实体编码一一对应;所以这个加密方式就是 html写对应的html实体并与字体里的ascii对应,自定义字体文件 以base64的方式内嵌到html里 ;每个页面随机生成不同的字体(就是字体里的ascii);上面那个是为了写帖子自己仿造原网站做的例子;
c#解析字体的类在system.windows.media命名空间下fonts类:
https://docs.microsoft.com/zh-cn/dotnet/api/system.windows.media.fonts?view=netframework-4.8
好困。午休去了;