字体反爬之自动化通过字体文件生成映射字典

1、首先找到以.ttf结尾的字体文件，下载下来，以我的字体文件sfont.ttf为例

sont.ttf下载地址https://download.csdn.net/download/lingyingdon/89534953

目前只测试了.ttf文件。如果想使用woff字体文件，请自行测试

2、下载分割字体文件的软件fontforge, 安装后将安装路径添加到环境变量中去，该软件结合python脚本分割字体文件为单个字体图片及其对应的编码作为文件名

• 官网地址如下

  https://fontforge.org/en-US/

• python脚本如下split_font.py

  import os
  import argparse
  import sys
  
  import fontforge
  
  
  def main(font_path, folder):
      # 字体文件分割脚本，需要配合fontforge使用
      # font_path = r"F:\download\sfont.ttf"  # 字体文件路径
      # folder = "img"  # 字体文件分割后保存的目录
      F = fontforge.open(font_path)
      for name in F:
          filename = name + ".png"
          export_path = os.path.join(folder, filename)
          F[name].export(export_path)
          
  if __name__ == '__main__':
  
      parser = argparse.ArgumentParser(description='字体分割.....')
      parser.add_argument('-f', '--file_path', type=str, help='字体文件路径,字体文件为.ttf结尾')
      parser.add_argument('-d', '--dir', type=str, help='输出字体文件目录')
  
      args = parser.parse_args()
      if args.file_path and args.dir:
          main(args.file_path, args.dir)
      else:
          print("请输入字体文件路径和输出字体文件目录")
          sys.exit(1)
  1
  2
  3
  4
  5
  6
  7
  8
  9
  10
  11
  12
  13
  14
  15
  16
  17
  18
  19
  20
  21
  22
  23
  24
  25
  26
  27
  28
  29

• 通过执行以下命令脚本分割字体文件（前提是将fontforge添加到环境变量）

  fontforge split_font.py

• 处理后的图片如下

  

3、由于分割后的字体文件相对比较模糊，通过使用pillow模块扩张字体图片大小来增加图片的清晰度

def strength_pic(pic_path):
    """
    图片增强
    猜想是,在进行卷积处理的时候,选择的算子在边界处理上更倾向于重新计算,而实际上我们的边界是不需要计算的,所以这里手动将边界扩张
    """

    old_im = Image.open(pic_path)
    old_size = old_im.size

    new_size = (300, 300)
    new_im = Image.new("RGB", new_size, color='white')  ## luckily, this is already black!
    new_im.paste(old_im, (int((new_size[0] - old_size[0]) / 2),
                          int((new_size[1] - old_size[1]) / 2)))

    new_im.save(pic_path.replace('img', 'img_output'))
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

• 经过处理后的图片如下

  

4、使用ddddocr模块来识别字体图片

def ocr_img(ocr, file_path):
    """
    使用ddddocr模块识别
    :param ocr:  ddddocr实例化对象
    :param file_path:  图片文件路径
    :return:  识别结果
    """
    image = open(file_path, "rb").read()
    result = ocr.classification(image)
    return result
1
2
3
4
5
6
7
8
9
10

5、最后来看一下运行结果，全自动执行，不需要在一个一个整理字体字典了（我这里在代码中用&#x对uni进行了替换）

想要完整代码的联系fangyingdon@163.com