本文详细介绍了如何应对淘宝网使用的字体反爬技术。作者首先描述了遇到的问题：在通过Selenium自动化工具获取商品价格时，发现HTML中显示的是乱码而非实际价格。随后解释了字体反爬的原理，即网站通过自定义字体文件将数字替换为特定汉字或符号。文章提供了具体的解决方案：1) 定位并下载字体文件；2) 使用FontCreator或在线工具解析字体；3) 通过fontTools库将字体转为XML格式分析编码映射关系；4) 建立Unicode编码与数字的对应字典。最终通过Python代码实现了乱码到实际价格的转换，成功获取了正确的商品价格42.14。整个过程展示了从问题定位到技术解决的全流程，为处理类似字体反爬问题提供了实用参考。 淘宝网作为中国最大的电子商务平台之一，每天有无数的自动化脚本或爬虫工具试图从网站上抓取各种信息。然而，为了保护数据和遵守相关法律法规，淘宝采取了一系列反爬虫措施，其中一种就是利用自定义字体文件的方式来隐藏数据。这种反爬技术通过将数字和一些特殊字符替换为特定的汉字或符号，使得通过常规方式获取的网页文本显示为乱码，进而干扰自动化工具获取有效信息。 在自动化测试或数据抓取的过程中，当使用Selenium这类自动化工具来获取网页中的商品价格信息时，经常会遇到显示为乱码的问题。遇到这种情况，首先需要理解网站是如何通过自定义字体来实现反爬虫的。本质上，网站定义了一套规则，其中数字被映射到特定的汉字或符号上，这一过程称为字体映射。 为了解决这种反爬虫技术带来的挑战，首先需要从网站上定位并下载相关的字体文件。这一步骤通常需要结合浏览器的开发者工具，以及对网站前端技术的了解。一旦获取到字体文件，接下来的步骤是解析这个字体文件，以确定数字字符与显示的汉字或符号之间的映射关系。这一步可以通过FontCreator这类专业的字体编辑软件完成，或者使用一些在线工具来进行。 解析出字体文件中的映射关系后，下一步是将字体转换为XML格式，这样可以使用fontTools这类强大的字体处理库来分析编码映射关系。通过这样的处理，我们可以建立起一个Unicode编码与数字的对应字典。利用这个字典，通过Python编程，将获取到的乱码文本转换为正确的数字信息，从而实现对商品价格等信息的准确抓取。 整个流程需要具备一定的编程知识以及对Web技术的理解。它不仅涉及到爬虫技术的知识，还涵盖了前端字体技术和后端数据处理的技能。对于想要在自动化测试或数据分析中提高效率的开发者来说，了解并掌握这些知识是极其重要的。通过本文所展示的方法，可以有效应对包括淘宝网在内的许多网站所采用的字体反爬技术，为自动化工作提供便利。 文章中提供的解决方案并非一劳永逸，因为网站反爬策略会不断更新和变化。然而，了解并掌握这种基本的反爬虫识别和应对机制，可以在遇到类似问题时，提供一个有效的思考和解决框架。此外，这种方法在使用时需要注意遵守相关法律法规，不得用于非法抓取数据或侵犯他人权益。

反爬机制之字体反爬详解里面涉及的字体文件example.woff

爬虫猫眼电影票房榜输出到csv文件.

通过工具识别乱码