GlidedSKY-之九:字体2

约定不等于承诺〃 2022-04-25 10:08 122阅读 0赞

挑战网址:[http://glidedsky.com/level/web/crawler-font-puzzle-2][http_glidedsky.com_level_web_crawler-font-puzzle-2]

##### 题目介绍 #####

字体文件的本质是，给定字符、字号等参数，输出一组像素点信息，用于在设备上展示。常见的解决方案是，对于每个字符，储存一组曲线或者程序，把字号等参数代入进去，得到曲线或者程序到像素点的映射。当用来反爬的字体变得更加复杂的时候，就需要你具备阅读字体文件底层描述规则的能力了。这里有一个网站，分了1000页，求所有数字的和。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NjA4Mzk4_size_16_color_FFFFFF_t_70]  
挑战难度:★★★★★★★★☆☆

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NjA4Mzk4_size_16_color_FFFFFF_t_70 1]

登陆账号后打开挑战页面，查看显示的页面数据和原网页数据，两者不一致，多次刷新发现源数据和显示的数据都在变化（what’s the balabala）,博主看到这里也是一头大，还有这种操作！！！  
![在这里插入图片描述][20190531110152217.png]  
仔细捋捋发现基本每次都是数字组合，而且翻译成阿拉伯数字都是一样的，突然发现出题者好叼（我看你这是在为难我鸭）！  
![在这里插入图片描述][20190531110455412.png]  
好吧，看来核心在原网页的JS或者CSS中了，先把原网页下载下来在研究。  
看到这个style标签，似曾相识啊。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NjA4Mzk4_size_16_color_FFFFFF_t_70 2]

将这个文件下下来用fontCreater打开看，这里的数字就是页面上显示的，那原网页中的数据有什么用呢。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NjA4Mzk4_size_16_color_FFFFFF_t_70 3]别着急！  
用python将这个文件处理成xml文件看看。这里可以看到，  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NjA4Mzk4_size_16_color_FFFFFF_t_70 4]对比原网页，可以看到unicode的编码0x504f是中文的偏，也就是原网页数据，并且对应阿拉伯数字1。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NjA4Mzk4_size_16_color_FFFFFF_t_70 5]这么说只要找到中文unicode就可以找到对应的阿拉伯数字了，嗯理论上是这样，试试并没有这么简单。  
博主试了下几页发现同一个基本上很少有重复的，而且同一个unicode对应可能对应不同的阿拉伯数字，我又将下下来的原网页中文统计了下，总共有3400多个unicode，这不是要手动对3400多个字体吗？想想出题者不可能这么厉(变)害(态)吧。于是另辟蹊径，发现在同一个源文件中code和name是一一对应的，而在不同的源文件中name是可以重复的，而且同一个name对应的unicode对应的字形是一样的。这样来看只要找到所有的name,就可解决问题了，通过处理发现name只有103个。然后将人工去将cid对应阿拉伯数字  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NjA4Mzk4_size_16_color_FFFFFF_t_70 6]再用代码将原网页中的中文字符对应成cid，最后通过关联将数字映射出来。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NjA4Mzk4_size_16_color_FFFFFF_t_70 7]  
打开网页对比，完全一致。  
![在这里插入图片描述][20190531114813901.png]将数据求和一下就可以得到结果了。

这个是我认为比较难的，有点加密解密的感觉。(根据网站维护者意见，只讲思路不分享代码（简单代码除外）原则)。

部分核心代码

for index,file in enumerate(['html/' + str(x) + '.html' for x in range(1,1001,1)]):
            html = bf(readFile(file),'html.parser')
            liList = html.find_all('div',class_ = 'col-md-1')
            sequenceList = [x.text.strip() for x in liList]
            print(sequenceList)
            charSet = set([m for x in liList for m in x.text.strip()])
            font_woff = TTFont('woff/'+ str(index + 1) +'.woff')
            uni2cidDict = font_woff.getBestCmap()
            hz2cidDict = {x:uni2cidDict[ord(x)] for x in charSet}
            print(index+1,hz2cidDict)
            cidStr = [hzString2cidString(x,hz2cidDict)for x in sequenceList]
            saveFile('cid-1.txt',str(index + 1) + ':' + ','.join(cidStr) + '\n','a+')
            cidList.append([uni2cidDict[ord(x)] for x in charSet])

#### 搞完怀疑人生 ####

![在这里插入图片描述][20190531115250909.gif]

喜欢折腾代码的加群（群号:**822286811**）一起交流学习【python、VBA、Shell、Linux、dos、爬虫、拆机、装系统技术交流群】，点击链接加入群聊【计算机技术交流】：https://jq.qq.com/?\_wv=1027&k=5V7RB2c

[http_glidedsky.com_level_web_crawler-font-puzzle-2]: http://glidedsky.com/level/web/crawler-font-puzzle-2
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NjA4Mzk4_size_16_color_FFFFFF_t_70]: /images/20220125/dd29395ae41d4b9185b7005832f83b0b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NjA4Mzk4_size_16_color_FFFFFF_t_70 1]: /images/20220125/3d67c70cb99941199cab474695a1620b.png
[20190531110152217.png]: /images/20220125/e13280ce97be4c1bbf6febb30b7cfed4.png
[20190531110455412.png]: /images/20220125/c49e045bad434348815ff7ec1196ebb7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NjA4Mzk4_size_16_color_FFFFFF_t_70 2]: /images/20220125/0769b30a540a4cf2847bea0bafe44421.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NjA4Mzk4_size_16_color_FFFFFF_t_70 3]: /images/20220125/4c4c841ed4c34101baa9b9201caec739.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NjA4Mzk4_size_16_color_FFFFFF_t_70 4]: /images/20220125/f89528d6ec514e05a2d5f16333df6035.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NjA4Mzk4_size_16_color_FFFFFF_t_70 5]: /images/20220125/4a3cc662380b4114aedf550c166d686e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NjA4Mzk4_size_16_color_FFFFFF_t_70 6]: /images/20220125/0103a52dd3984407814a7a073162b1cb.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NjA4Mzk4_size_16_color_FFFFFF_t_70 7]: /images/20220125/043285292f8246a980ee0233656b47de.png
[20190531114813901.png]: /images/20220125/6a1a78212710418abf2d6ffcd496e0cb.png
[20190531115250909.gif]: /images/20220125/f2c23de66443430daeb8e030fae1b913.png