一、前言

在网络爬虫开发过程中，我们经常会遇到字体反爬的情况：网页上显示的数字、文字看似正常，但查看源码时却是一堆乱码或特殊编码，这是网站通过自定义字体文件（如.woff、.ttf）映射字符，从而阻止爬虫直接提取数据的手段。

本文将通过一个实战案例，讲解如何使用 Python 的fontTools库解析字体文件，建立字符映射关系，最终破解字体反爬，提取出真实数据。

二、核心原理

字体反爬的核心是自定义字体映射表：网站通过修改字体文件中GlyphID（字形 ID）、cmap（字符编码映射）等标签的对应关系，让浏览器按照自定义规则渲染字符，而爬虫直接提取源码只能得到映射后的 “假字符”。

我们的破解思路是：

1. 解析字体文件，提取cmap标签的编码 - 名称映射；
2. 提取GlyphID标签的ID - 名称映射；
3. 结合网页渲染逻辑，建立假字符 - 真实字符的最终映射；
4. 通过映射关系，转换爬取到的 “假字符” 为真实数据；

三、环境准备

首先安装依赖库：footTools

四、代码实现：破解网页字体映射

首先从网站的网络--字体中下载.woff文件

再将这个文件转为xml格式

这时运行后我们将看见这个字体文件中的内容，这是我们就可以分析其结构，从中提取出想要的内容，先读取文件，再使用正则表达式提取出cmap标签下的所有元素

cmap里是这样的：

可以看见是在一个列表当中，故使用for循环，使他变成一个字典

('0x30', 'zero')变成('zero','0')，即把 cmap 里的 “编码 - 名称” 对，转换成一个字典 item，键是名称（如 "eight"），值是对应的字符（如 "8"）

同理，再来处理GlyphID标签

代码如下：

需要注意的是，最后的结果是将上面cmap标签里获得的   （'*.217': '里' ）  换成（‘里’：8）这样的，故使用item[lst[1]]

如此print(result)即可获得解密后的字体映射字典

五、总代码