公眾號：早起Python

作者：劉早起

大家好，我是早起。

在前幾天的文章中，我針某點評商家搜索頁面的字體反爬給出了解決方案，但是還有一個問題，那就是當時給出的方法是下載對應的woff字體文件，然后建立加密字體與編碼之間的映射關系來進行破解。

但是有一個問題就是不同頁面的字體文件，是動態加載的，換句話說就是你在這個頁面建立的映射關系，換一個頁面就不能用了。

那就沒有解決辦法了嗎？其實也不難，或者說對方還是給了很清晰的思考方向，因為，雖然每一個頁面的字體是動態加載的，但是這個動態僅針對字體解析后編碼的變化，字體內部順序是沒有變化的

每兩個頁面中，僅僅是字體編碼發生了改變，而字體的位置順訊并沒有改變，所以我們只需要在解析每一頁的數據之前，先提取頁面中CSS樣式，再從CSS內容中定位到字體文件存儲鏈接，之后就是請求這一頁對應的字體文件并解析構造匹配字典，后面的步驟就和上一篇文章一樣了。

那我們開始，目標是爬取某城市指定美食的全部商家信息，比如定位廣州搜索沙縣小吃，之后爬取全部的搜索頁面。

首先就是構造全部的URL，由于每一頁的URL是有一定規律的，所以這一步很簡單，從第一頁中提取全部頁數然后按照規律添加到url_list中即可，而這個數據沒有被加密

所以這部分代碼可以這樣寫

這部分代碼不難理解構造請求——解析頁面——提取頁數——模擬URL，其中get_ip()必須要返回一個可以使用的ip，不論你是用免費的還是付費的代理，在這里不做詳細講解。

搞定URL之后，我們來到最關鍵的步驟，寫一個函數，傳進來一個頁面返回該頁的文字匹配字典，那么第一步就是把字體拿下來，下面四行代碼即可搞定

簡單來看一下這段代碼，我們傳入一個請求后得到的page后

“

第一行代碼使用正則表達式提取字體所在的css鏈接

第二行代碼使用requests請求css內容

最后兩行代碼使用正則提取woff字體文件所在URL

”

如果你傳進去的頁面是正常的，那么現在我們就有地址、均價字段的字體所在URL，下面就可以使用requests將這兩個字體文件下載并保存在本地，代碼如下

現在工作目錄下就有兩個字體文件，之后就按照上一篇文章介紹的字體加密破解方法操作即可。所以這部分完整代碼如下：

唯一需要注意的就是，這里傳進去的page，就是你直接請求當前頁面返回的內容，比如

你需要確保這里的page是正確包含內容的，如果是被403之后的頁面或者是提示要輸入驗證碼之類的頁面是無法正確執行的。

那么到這里，我們就搞定了在每一頁的字體文件都是動態加載的情況下如何爬取全部搜索頁面的信息，之后只需要寫一個循環爬去url_list中的全部URL，并使用pandas進行保存即可。

本文的分享就到這里，完整的代碼我就不提供了，因為某點評網站的限制，大概率拿走也是不能用的，但是最關鍵的函數已經完整的發在文中了，復制粘貼就能使用。

如果你嘗試去爬取過大眾點評，會發現最難的不再是字體加密，而是捉摸不透的反爬機制，尤其是headers中參數的構造，cookie的破解，公眾號沒有留言，你可以添加早小起微信和我交流，我會在后續繼續更新相關文章！