这个验证码很恶心，手速非常快才能通过。。
地址：http://www.dianping.com/shop/9964442
检查一下看到好多字没有了，替代的是<x class=\”xxx\”></x>这种标签
ctrl+右键点style里第一行，定位到元素在css里的位置
打开url找到了文字
下面讲SVG
svg可缩放矢量图形基于可扩展标记语言，是用代码画矢量图的，如图
svg也可以写入文本如下图，xy是相对于svg标签的坐标，默认单位px
textPath
该元素利用它的xlink:href属性取得一个任意路径，把字符对齐到路径，于是字体会环绕路径、顺着路径走：
<path id=\"my_path\" d=\"M 20,20 C 40,40 80,40 100,20\" fill=\"transparent\" /> <text> <textPath xlink:href=\"#my_path\">This text follows a curve.</textPath> </text>
就是说textpath根据xlink:href 取得path路径，d里面是路径的路线
关于d内的参数：
M = moveto
L = lineto
H = horizontal lineto
V = vertical lineto
C = curveto
S = smooth curveto
Q = quadratic Bézier curve
T = smooth quadratic Bézier curveto
A = elliptical Arc
Z = closepath
后面用到的只有M和H，M是xy坐标，H是水平线，表示文字方向是水平方向。
参考的资料：https://cloud.tencent.com/developer/section/1423872
所以找字体的思路是
1.找到替换文字的css
2.找到svg
3.拿到css里每个字的坐标，再在svg里计算出具体的字
4.把class和字对应起来，全局替换<x class=\”xxx\”></x>成字
下面是代码：
headers={\"User-Agent\":\"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.86 Safari/537.36\"}
r=requests.get(\"http://www.dianping.com/shop/9964442\",headers=headers)
css_url=\"http:\"+re.findall(\'href=\"(//s3plus.meituan.net.*?svgtextcss.*?.css)\',r.text)[0]
css_cont=requests.get(css_url,headers=headers)
拿到css页
svg_url=re.findall(\'class\\^=\"(\\w+)\".*?(//s3plus.*?\\.svg)\',css_cont.text) s_parser=[] for c,u in svg_url: f,w=svg_parser(\"http:\"+u) s_parser.append({\"code\":c,\"font\":f,\"fw\":w})
拿到svg地址解析svg返回解析结果和定位svg的代码，这里用元组，方便排序
def svg_parser(url): r=requests.get(url,headers=headers) font=re.findall(\'\" y=\"(\\d+)\">(\\w+)</text>\',r.text,re.M) if not font: font=[] z=re.findall(\'\" textLength.*?(\\w+)</textPath>\',r.text,re.M) y=re.findall(\'id=\"\\d+\" d=\"\\w+\\s(\\d+)\\s\\w+\"\',r.text,re.M) for a,b in zip(y,z): font.append((a,b)) width=re.findall(\"font-size:(\\d+)px\",r.text)[0] new_font=[] for i in font: new_font.append((int(i[0]),i[1])) return new_font,int(width)
这里要注意svg有两种形式
一种是带textPath有文字路径，文字所在行数得用d=“xx”里的M获得
另一种是text，文字所在行数是text标签里y的值，所以要分开处理。
函数返回两个值一个是字体坐标y的参考值和字体内容的元祖，另一个fw是字体宽度，后面计算坐标会用到
svg解析结果
css_list = re.findall(\'(\\w+){background:.*?(\\d+).*?px.*?(\\d+).*?px;\', \'\\n\'.join(css_cont.text.split(\'}\'))) css_list = [(i[0],int(i[1]),int(i[2])) for i in css_list]
从css里拿到所以class和坐标
def font_parser(ft): for i in s_parser: if i[\"code\"] in ft[0]: font=sorted(i[\"font\"]) if ft[2] < int(font[0][0]): x=int(ft[1]/i[\"fw\"]) return font[0][1][x] for j in range(len(font)): if (j+1) in range(len(font)): if(ft[2]>=int(font[j][0]) and ft[2]< int(font[j+1][0])): x=int(ft[1]/i[\"fw\"]) return font[j+1][1][x]
解析坐标值，获得具体文字，传入的是clss，xy坐标的元祖，根据svg解析结果定位到文字所在的svg，
根据y坐标定位文字所在行数，文字横坐标是元祖的x值/字体宽度，返回具体文字
replace_dic=[] for i in css_list: replace_dic.append({\"code\":i[0],\"word\":font_parser(i)})
解析css里的所有class，把class和字的关系存在字典里
rep=r.text for i in range(len(replace_dic)): if replace_dic[i][\"code\"] in rep: a=re.findall(f\'<\\w+\\sclass=\"{replace_dic[i][\"code\"]}\"><\\/\\w+>\',rep)[0] rep=rep.replace(a,replace_dic[i][\"word\"])
根据字典对页面<x class=\”xxx\”></x>标签全局替换
shop=[] shop_name=tree.xpath(\'//h1[@class=\"shop-name\"]//text()\')[0] reviewCount=tree.xpath(\'//span[@id=\"reviewCount\"]//text()\')[0] avgPriceTitle=tree.xpath(\'//span[@id=\"avgPriceTitle\"]//text()\')[0] comment_score=tree.xpath(\'//span[@id=\"comment_score\"]//text()\') comment_score=[i for i in comment_score if i!=\" \"] addr=tree.xpath(\'//span[@itemprop=\"street-address\"]/text()\')[0] phone=tree.xpath(\'//p[@class=\"expand-info tel\"]//text()\') phone=phone[1]+phone[2] review=[] for li in lis: name=li.xpath(\'.//a[@class=\"name\"]/text()\')[0] comment=li.xpath(\'.//p[@class=\"desc\"]/text()\')[0] review.append({\"name\":name,\"comment\":comment}) shop.append({ \"shop_name\":shop_name, \"reviewCount\":reviewCount, \"avgPriceTitle\":avgPriceTitle,\"addr\":addr, \"phone\":phone, \"review\":review })
抓一下店名评论数评论评分电话地址等数据，\\xa0在页面里应该是空格，可以替换掉，结果如下
用过的库
以上是全部代码
写完以后看到大众点评在此基础上添加了反爬方式，把自定义字体反爬和本篇讲的字体反爬结合起来
自定义字体反爬可以参考我写的前两篇
