Python 爬虫字体加密实战：码位混淆 + 自定义字体文件（CH-008）

1
"""CH-008：答案 = 30 件商品价格之和（保留 2 位小数）
2

3
要点：
4
  1. 价格/销量是私有区码位，每个字符实例一个独立码位（同一个 8 在不同位置也不同）
5
     —— 所以频率统计没用，必须一个码位一个码位查字体
6
  2. 字体文件按账号派生（URL 里带短签），别人的字体对不上你的码位
7
  3. 字体里的 (x, y) 是「字形在字形图里的落点」，字形图里的 <text> 用的是同一个坐标
8
"""
9
import re
10

11
import requests
12

13
BASE = "https://spider.jsnote.top"
14
DATA_URL = f"{BASE}/api/challenges/CH-008/data"
15
SHEET_CSS_PATH = "/playground/verse/font/digits.css"
16

17
session = requests.Session()
18
session.headers.update({
19
    "Accept": "*/*",
20
    "Referer": f"{BASE}/font?challenge=CH-008",
21
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) Chrome/147.0.0.0 Safari/537.36",
22
})
23
session.cookies.set("session", "<把浏览器里的 session cookie 粘到这里>",
24
                    domain="spider.jsnote.top")
25

26

27
def parse_font(text):
28
    """字体文件 -> (格子宽, 格子高, 基线高度, {码位: (x, y)})。"""
29
    cell_w = int(re.search(r'horiz-adv-x="(\d+)"', text).group(1))
30
    cell_h = int(re.search(r'units-per-em="(\d+)"', text).group(1))
31
    ascent = int(re.search(r'ascent="(\d+)"', text).group(1))
32

33
    cmap = {}
34
    for hex_code, path in re.findall(r'<glyph unicode="&#x([0-9A-Fa-f]+);" d="([^"]+)"/>', text):
35
        numbers = [int(value) for value in re.findall(r"-?\d+", path)]
36
        cmap[int(hex_code, 16)] = (numbers[0], numbers[1])
37
    return cell_w, cell_h, ascent, cmap
38

39

40
def parse_sheet(sess):
41
    """字形图 -> {(x, y): 字符}。"""
42
    css = sess.get(BASE + SHEET_CSS_PATH, timeout=10).text
43
    head = re.search(r"\.font-glyph\{([^}]*)\}", css).group(1)
44
    svg_path = re.search(r"url\('([^']+)'\)", head).group(1)
45

46
    svg = sess.get(BASE + svg_path, timeout=10).text
47
    cells = {}
48
    for x, y, char in re.findall(r'<text x="(-?\d+)" y="(-?\d+)"[^>]*>([^<])</text>', svg):
49
        cells[(int(x), int(y))] = char
50
    return cells
51

52

53
def decode(text, cmap, cells):
54
    """一串码位 -> 真数字。"""
55
    return "".join(cells[cmap[ord(char)]] for char in text)
56

57

58
def main():
59
    data = session.get(DATA_URL, timeout=10)
60
    if data.status_code == 401:
61
        raise SystemExit("401：这个接口要登录态（Cookie 没填对？）")
62
    data.raise_for_status()
63
    payload = data.json()
64

65
    font = session.get(BASE + payload["font_url"], timeout=10).text
66
    cell_w, cell_h, ascent, cmap = parse_font(font)
67
    cells = parse_sheet(session)
68
    print(f"字体：格子 {cell_w}x{cell_h}（ascent {ascent}），{len(cmap)} 个码位；"
69
          f"字形图 {len(cells)} 格\n")
70

71
    total = 0.0
72
    for index, row in enumerate(payload["rows"], start=1):
73
        price = decode(row["price"], cmap, cells)
74
        sales = decode(row["sales"], cmap, cells)
75
        total += float(price)
76
        if index <= 5:
77
            print(f"  {index:>2}. {row['name']}  价格 {price}  销量 {sales}")
78

79
    print(f"\n共 {len(payload['rows'])} 件商品，价格合计：{round(total, 2)}")
80

81

82
if __name__ == "__main__":
83
    main()