곚 뷊 첪 곍 ꯋ 爬虫中出现的字体反爬，有大佬知道这是什么字体吗？

[dapengzhao]

"곚":"곚", "뷊":"뷊", "첪":"첪", "곍":"곍", "ꯋ":"ꯋ",

[troywith77]

前面是韩语，后面两个不知道

[dapengzhao]

@troywith77 应该不是汉语是一种字符

[dapengzhao]

@troywith77 韩

[ETiV]

你装个韩语输入法
我可以教你打出前面这几个字来

[manzhiyong]

是 css 反扒，你抓回来的和视觉上那个位置的文字不一样，被 css 里指定的字体文件替换掉了。

[dapengzhao]

@ETiV 这只是一小部分，还有很多不是应该不是韩文，每个都对应一种 Unicode 码，是一种映射表

[dapengzhao]

@manzhiyong 对，就是遇到字体反爬了，现在卡住了，下载下它网站的字符集不知道该如何解析了

[ynyounuo]

@dapengzhao
不知道是什么字符的可以在这里搜
https://unicode.org/cldr/utility/character.jsp

[kurtrossel]

谚文

https://zh.m.wikipedia.org/wiki/%E8%AB%BA%E6%96%87

朝鲜语现有 11172 个音节可用，实际上这些音节并没有被全部使用。

[manzhiyong]

抓回来的是什么一点都不重要，可以是认为语种，任意字符，反正都要被覆盖掉，可以是随机的。关键是字体是不是随机的，如果不是随机的，你人肉 ocr 一下，记住字体位置，是可以破解这种反扒的。如果 css 里的字体文件也会变，字体文件也是随机生成的，就非常麻烦了。

[dapengzhao]

@manzhiyong 这是快手的反爬，目前知道的是每次加载的字体库可能会变（已经知道的 5 种了，应该还有更多），还有就是将这些字体库下载下来打开会发现数字对应的 Unicode 码也是会变的。从 xml 里看能找到映射关系但是数字的位置一直在变不知道该咋办了。

[manzhiyong]

理论上他们特异字体的数量应该是有极限的，你试尽量多次，可以把所有字体都下全，然后人工或 ocr 识别出来，就可以破解了。但是如果对方的特异字体也在不断扩充中，就无解了，必然有错误率了。

[dapengzhao]

@manzhiyong 他们的映射是这样的 特殊字符《==一对一==》 Unicode 码《==多对多==》数字，网页上显示的数字都被特殊字符代替了。现在无法找到每次返回的字库中 Unicode 码跟数字有什么联系，头大。

[manzhiyong]

我上次也有这种需求，但是分析出成本太高后就放弃了。这个需要你自己掌握字体知识，得花时间学习下了，我当时没有继续研究下去，不过思考过解决办法。就是通过字体文件，取得异体字的字符串或图形编码二进制字符串的 md5 值，做成对应真实字义的字典。抓取的时候通过计算该字体的 md5 值在字典里去取真实字义。你可以按照这个思路研究一下，是否可行。