这是一个创建于 2257 天前的主题，其中的信息可能已经有所发展或是发生改变。
"곚":"곚", "뷊":"뷊", "첪":"첪", "곍":"곍", "ꯋ":"ꯋ",
 |
1
troywith77 2018-09-11 15:11:34 +08:00 via Android
前面是韩语，后面两个不知道
|
 |
2
dapengzhao OP @troywith77 应该不是汉语是一种字符
|
|
3
dapengzhao OP @troywith77 韩
|
 |
4
ETiV 2018-09-11 15:29:59 +08:00 via iPhone
你装个韩语输入法
我可以教你打出前面这几个字来 |
 |
5
manzhiyong 2018-09-11 15:30:09 +08:00
是 css 反扒，你抓回来的和视觉上那个位置的文字不一样，被 css 里指定的字体文件替换掉了。
|
|
6
dapengzhao OP @ETiV 这只是一小部分，还有很多不是应该不是韩文，每个都对应一种 Unicode 码，是一种映射表
|
|
7
dapengzhao OP @manzhiyong 对，就是遇到字体反爬了，现在卡住了，下载下它网站的字符集不知道该如何解析了
|
 |
8
ynyounuo 2018-09-11 15:36:46 +08:00
|
 |
9
kurtrossel 2018-09-11 15:37:04 +08:00
|
|
10
manzhiyong 2018-09-11 15:41:00 +08:00
抓回来的是什么一点都不重要，可以是认为语种，任意字符，反正都要被覆盖掉，可以是随机的。关键是字体是不是随机的，如果不是随机的，你人肉 ocr 一下，记住字体位置，是可以破解这种反扒的。如果 css 里的字体文件也会变，字体文件也是随机生成的，就非常麻烦了。
|
|
11
dapengzhao OP @manzhiyong 这是快手的反爬，目前知道的是每次加载的字体库可能会变（已经知道的 5 种了，应该还有更多），还有就是将这些字体库下载下来打开会发现数字对应的 Unicode 码也是会变的。从 xml 里看能找到映射关系但是数字的位置一直在变不知道该咋办了。
|
|
12
manzhiyong 2018-09-11 15:50:07 +08:00
理论上他们特异字体的数量应该是有极限的，你试尽量多次，可以把所有字体都下全，然后人工或 ocr 识别出来，就可以破解了。但是如果对方的特异字体也在不断扩充中，就无解了，必然有错误率了。
|
|
13
dapengzhao OP @manzhiyong 他们的映射是这样的 特殊字符《==一对一==》 Unicode 码《==多对多==》数字，网页上显示的数字都被特殊字符代替了。现在无法找到每次返回的字库中 Unicode 码跟数字有什么联系，头大。
|
|
14
manzhiyong 2018-09-11 15:59:18 +08:00
我上次也有这种需求，但是分析出成本太高后就放弃了。这个需要你自己掌握字体知识，得花时间学习下了，我当时没有继续研究下去，不过思考过解决办法。就是通过字体文件，取得异体字的字符串或图形编码二进制字符串的 md5 值，做成对应真实字义的字典。抓取的时候通过计算该字体的 md5 值在字典里去取真实字义。你可以按照这个思路研究一下，是否可行。
|
Select Language