有一个网站地址如下: https://xxfb.mwr.cn/sq_dxsk.html 直接看这个页面上中文都是正常的,但是如果我拷贝一些中文字段再粘贴发现就会乱码,比如页面上显示“珠江” 使用 ctrl + c 复制后,粘贴在本地的记事本上会变成 “䆔䂒”。请问这是用啥技术实现的啊?
1
jdkxnktkdkxod 10 小时 0 分钟前
特殊的字体,用来反爬的
|
2
fulajickhz 9 小时 42 分钟前
这种你试试 用 ublock 停止 javascript 说不定这功能就废了
|
3
mringg 9 小时 34 分钟前
自己弄的字体库,一共 744 个字,自己做下映射吧
|
4
scyuns 9 小时 25 分钟前
好有意思 自定义了一个字典表
|
5
78786381 9 小时 18 分钟前
502,看不到了
|
6
Latin 9 小时 11 分钟前 1
|
7
hongye OP @jdkxnktkdkxod 感谢
|
8
500 6 小时 35 分钟前
要爬这个的话先请求 **https://xxfb.mwr.cn/sq_dxsk.html** 获取到 loadData() 里的 URL
``` https://xxfb.mwr.cn/一级随机/二级随机 ``` **loadData()** 里面请求数据的 URL 是服务器动态生成的,虽然每次都不一样,但是又可以重复使用,不知道是不是忘了做频率限制,或者会偷偷后台统计? 再从 URL 获取 JSON 数据,数据的格式是: ``` "#UEO3kxleHI_1725353725381otltag䌙䅭#FontTag" ``` 对应 ``` "#{字体文件名}otltag{内容}#FontTag" ``` 这个字体文件只有 744 个字形,除去前后两个空白字形,有用的只有 742 个字形,可以根据字形顺序建立对照表; 每次请求数据时服务器会动态偏移字体的 code point ,生成新的字体文件; 根据观察每次生成的字体文件中字形顺序没有改变,而且每个字形的 code point 相差都是 2 ,所以只需要根据字体名称请求字体文件; ``` https://xxfb.mwr.cn/ttf/{字体文件名}.ttf ``` 获取到第 1 个有用的字形的 code point ,也就是索引 1 处的 code point ,就可以根据字形顺序推导出其他字形的 code point ; 最后把内容转换成 unicode 码位,把字形的 code point 转换成 16 进制,两边匹配一下就可以得到实际看到的内容了。 |
9
500 6 小时 28 分钟前
不过用动态字体文件反爬,应当只用在金额、数量这种比较重要的数字信息上,把汉字放进去太影响性能和用户体验了
|