这是一个创建于 1264 天前的主题，其中的信息可能已经有所发展或是发生改变。
浏览一个网站, 复制文字后发现是乱码, 但是网页却显示正常, F12 看了下网页文档源码, 确实是乱码, 但是 Chrome 浏览器渲染显示时为什么又正常了呢? 这个防爬虫的技术还是第一次见.
抓取网络请求, 服务器返回的是这段文字 A:
[(] |tscl6qaa| [、] |tco63lkb| [、] |clh6lq91| [、] |jcg6rpb9|cs6mifl7| [专] |stcp6s24|jcpnj688|hpjtc6f6|skqpc6f7|lc6olrd0| [可] | [为] |tckp6eh7|ric6fkr7| [或] | [相] |ic6q8lo8|ckr6hif7|sokjc6d0| [，] |lcplh649| [他] | [专] |ocn6t2m4| [考] |c6skqci7| [入] | [校] |co6in4l5|pc6sjg46| [外] |hc6gfkm7|cr6nmaj4|c6js7lo4|mct6orf7|cmg6kid0| [为] |nlocj6e7|cln6gof7| [。] | [)] |
然后应该是经 JS 处理下, DOM 里面变成下面这段文字 B:
욷南왯왴(왝욛웚单列专오왉它)(఼ఴ)((욪、옻、욑、욹웷专오욈웶웷원可为웧웷或相욈웷원왉他专오考웇入校왅왆外웷욤왴웷원为웧웷。))
最后渲染到显示器上是正常文字 C.
这段文字即经过了 A → B → C 的转化.
很好奇 B → C 实现的原理?
 |
1
mercury233 2021-05-24 11:55:08 +08:00
换了特殊字体
|
 |
2
karloku 2021-05-24 11:56:54 +08:00
应该是字体. 看看如果每次都一样的话可以自己存个映射.
|
 |
3
madpecker009 2021-05-24 11:57:29 +08:00
百度文库是不是也是这样技术啊
|
 |
4
fuxinya OP @mercury233 确实, 刚看了 css 样式里面是 `font-family: cntext5!important;`
|
 |
5
futureeent 2021-05-24 12:17:24 +08:00
记得斗鱼里的数字也是这样的
|
 |
6
caomu 2021-05-24 14:05:33 +08:00 via Android  1
硬要爬就 OCR 一把梭……
|
 |
7
phony2r 2021-05-24 14:10:39 +08:00
特殊字体, 一般为了防爬虫
|
 |
8
archonxp 2021-05-24 14:16:36 +08:00 8
|
 |
9
leeyuzhe 2021-05-24 14:21:34 +08:00
长见识了
|
 |
10
magese 2021-05-24 15:56:14 +08:00
长见识了
|
 |
11
imn1 2021-05-24 16:36:00 +08:00 1
这招现世好久了，以前少人用是因为中文字多，字体文件大，网速慢
后来有人学乖了，不需要全部中文都替换，替换部分频率高的字就足够了，只要“机器阅读困难”就可以了 |
 |
12
fxxkgw 2021-05-24 17:00:19 +08:00
学习了
|
Select Language