js分析 天_眼_查 字体文件

0. 参考

js分析 猫_眼_电_影 字体文件 @font-face

1. 分析

1.1 定位目标元素

1.2 查看网页源代码

1.3 requests 请求提取得到大量错误信息

对比猫_眼_电_影抓取到unicode编码，天_眼_查混合使用正常字体和自定义字体，难点在于如何从 '红' 转化为 '美'。

一开始认为一定有js进行了转化，最后发现直接通过 FontCreator 搜索 '红' 返回结果为 '美' 。。。

1.4 查看目标元素 CSS Computed 信息，使用了网络请求字体

1.5 查看 字体文字 请求

1.6 使用 FontCreator 打开字体文件 {'eight': 0, 'four': 1} 能够解密上文的数字映射

1.7 ctrl + f 搜索 ‘红’ 出现对应的 '美'，注意 hex(ord('红')) 结果为 '0x7ea2' ，也可搜索十进制的unicode编码 32418

1.8 全局搜索 tyc-num

1.9 全局搜索 tyc-num.woff

1.10 全局搜索 font.css 看起来是动态生成文件（每天一更，使用不同的中文字集合）

2. JS分析

线索：全局搜索 .tyc-num tyc-num 

根据下文 xml 文件信息考虑搜索 0x， 也可以考虑搜索 js 将中文转为 unicode 的方法关键字， 以及 65535/65536

另外不经意看到 'code point' 相关代码

最终还是找不到如何从 '红' 转 '美' 的相关 js 代码 

考虑到上文 FontCreator 搜索 '红' 返回结果为 '美'，似乎可以直接绕开 js 解密。。。 

3. 字体文件分析

3.1 字体文件 woff 转 xml

详见参考文章

对比前后两天下载的 woff 字体文件，应该是批量生成的历史文件

3.2 根据步骤 1.7 搜索 '7ea2' 结果集中在 <cmap>

3.3 根据上图继续搜索 '_#228'， 根据参考文章可知，下图方框的 name="_#228" 对应于某个字形定义，用于渲染显示

4. 使用 python 实现 '红' >>> '美'

思路：提取 '红'，计算unicode编码，根据 <cmap> 匹配到name='_#228', 再使用 '_#228' 根据 <glyf> 到某一字形定义'美'

4.1 fontTools 读取 <cmap> 字典 {十进制的unicode编码: '_#xxx', ...}

4.2 fontTools 读取 <glyf> name 列表 ['_#xxx', ...]

4.3 手动建立真实字符列表

使用微信小程序识别效果令人惊叹

成功对应

5. 完整代码

import requests
from scrapy import Selector

from fontTools.ttLib import TTFont


url = 'https://www.tianyancha.com/company/59837300?'
ocr = """
 .01234689愿功近西真差全当表华
心八姐六防金步夫尚放很子变提便司依密林住
诸职建保快左亦节特势善她气国族朝叫甚合论
选船三起况员些突觉拿共没边条刘奇先口约最
着立德留治根降且马手大去细无増问物联同害
找连父待加母礼受之张方价臣识考足看似始也
维九终业满思帝及声望干黄动房右到属府绝跟
许云际收火二历回营得设数苦目易体那切年查
字安研容资社品江为破罗把吗笑土另听片客本
代产走布已告喜虽若省算企置影书形未复东四
求任孩再高失极自现点比谓花级河师罪案黑直
争革乎由程响英费反像红应注将视决面别美达
示县计宗清开春威克台护天度飞路分京次学就
质五守做平何间轻重击才队即包敢会卫致装这
儿关欲说消新系围亲参供写亚改道城团地件敌
量必干答陈较精周相
""".replace('\n', '')
print(len(ocr))

font = TTFont('tyc-num_1.woff')
cmap = font['cmap']
cmap_dict = cmap.getBestCmap()
print(len(cmap_dict))
glyf_list = list(font['glyf'].keys())
print(len(glyf_list))

r = requests.get(url, headers={'User-Agent': 'Mozilla/5.0'})
print(r.status_code, len(r.content))
sel = Selector(text=r.text)

# text = '45619.888888万红元 6887-82-60'
#         15298.000000万美元 2007-03-26
for text in sel.css('.tyc-num::text').extract():
    result = []
    for t in text:
        code = ord(t)                       #红：32418
        name = cmap_dict.get(code, None)    #_#228
        if name is not None:
            index = glyf_list.index(name)   #238
            rst = ocr[index]                #美
        else:
            rst = t
        result.append(rst)
    print(text, ' >>> ', ''.join(result))
    print('#'*10)

View Code

6.运行结果