使用ddddocr解决某汽车论坛网站字体反爬

链接地址：aHR0cHM6Ly9jbHViLmF1dG9ob21lLmNvbS5jbi9iYnMvdGhyZWFkLzIyMTRiYWZhMDIyMGY4MGQvMTAxMTIzODE0LTEuaHRtbA==

打开网页后，需要获取文章的正文内容，如果使用常规的办法，获取到的是存在乱码的内容

可以看到有少许的文字出现乱码，然后在网页f12 查看

其网页中确实不是常规的文字，而是这个网站的自定义字体。如果直接忽略这个文字，肯定是不可行的，得想办法把图片变成文字。

在源代码中搜索【tff】可以找到字体文件的地址，下载这个字体文件下来

然后在网站 http://font.qqe2.com/index-en.html 中可以进行在线查看

那么尝试先使用python把ttf文件转换为一个一个的图像

在转换的时候需要注意，尽量把需要识别的内容放置在中间，并在在周边留有一定的空白，这样可以提高识别的准确率。

接下来就是要ocr来将图片转换为文字了，这里我是用的是ddddocr，安装相对来说很方便

pip install ddddocr

接着把每一张图片放到ddddocr这个模型去识别，就可以得到每一张图片的文字内容，最后得到一个文件名个文字的映射关系，是用方法也非常简单。

Oocr = ddddocr.DdddOcr()  # 初始化识别模型
text = Oocr.classification(img_bytes=image_io)  # 把图片的字节放到模型中，返回识别的文字

最后再请求一次，然后通过ocr识别得到的映射关系替换自定义字体

可以看到识别非常的准备，完美解决了字体反爬的问题

使用ddddocr解决某汽车论坛网站字体反爬相关推荐

pythonttf字体反爬虫_Python爬虫---汽车之家字体反爬
本篇文章给大家带来的内容是关于Python爬虫---汽车之家字体反爬,有一定的参考价值,有需要的朋友可以参考一下,希望对你有所帮助. 目标网站:汽车之家目标网址:https://club.autoh ...
web爬虫——某电影网站字体反爬
某电影网站字体反爬爱好学习及分享,若文章侵权,优先联系本人删帖处理. 几个关键点 base字体文件分析打开目标网页,找到woff文件链接下载该woff文件,并在字体编辑器里打开记录下数字与字符 ...
实习僧网站字体反爬破解思路及步骤分享
需要用到的第三方包 fontTools 崔庆才博客:今天,我终于弄懂了字体反爬是个啥玩意! 哔哩哔哩视频:python零基础一节课带你玩转字体反爬测试网站选取了实习僧:实习僧 TTF(TrueTyp ...
爬虫：汽车之家字体反爬
1.我的目的汽车之家对某些字体进行了反爬虫操作,直接获取是一堆乱码,这次要做的是对这些乱码进行转化,转化为我们想要的符号\汉字 2.前提知识首先得了解一下字体反爬虫是什么意思: 当前css可以指定 ...
Python爬虫六：字体反爬处理（猫眼+汽车之家）-2018.10
环境:Windows7 +Python3.6+Pycharm2017 目标:猫眼电影票房.汽车之家字体反爬的处理 ---全部文章: 京东爬虫 .链家爬虫.美团爬虫.微信公众号爬虫.字体反爬.Djang ...
如何去除网页噪声提取数据（02） —— 汽车之家（字体反爬）
如何去除网页噪声提取数据(02) -- 汽车之家(字体反爬) 1. 需求介绍继去哪儿网之后,我又盯上了汽车之家这个网站,这个网站的反爬策略挺有意思的,采用了时下最流行的字体反爬技术,让我心神荡漾,对 ...
Python爬虫：字体反爬处理（猫眼+汽车之家）-2018.10
环境:Windows7 +Python3.6+Pycharm2017 目标:猫眼电影票房.汽车之家字体反爬的处理 -全部文章: 京东爬虫 .链家爬虫.美团爬虫.微信公众号爬虫.字体反爬.Django笔 ...
k 近邻算法解决字体反爬手段｜效果非常好
字体反爬,是一种利用 CSS 特性和浏览器渲染规则实现的反爬虫手段.其高明之处在于,就算借助(Selenium 套件.Puppeteer 和 Splash)等渲染工具也无法拿到真实的文字内容. 这种反 ...
python爬虫进阶-汽车之家贴吧信息（字体反爬-动态映射）
目的获取汽车之家贴吧的内容信息详细需求汽车之家贴吧思路解析一.F12获取目标信息-进行分析二.字体反爬解析-根据上一篇的文章,直接搜索关键词就好三根据其后的链接,保存为ttf在本地,查 ...

使用ddddocr解决某汽车论坛网站字体反爬

使用ddddocr解决某汽车论坛网站字体反爬

使用ddddocr解决某汽车论坛网站字体反爬相关推荐

最新文章

热门文章