Python:自动获取字体加密的番茄小说内容
一、前言
在网络爬虫开发中，很多网站会采用字体加密技术来保护其内容，防止被简单地抓取。番茄小说就是其中之一，它通过自定义字体将小说正文的字符映射到了 Unicode 私有用区，使得直接抓取到的 HTML 源码是一堆无法直接阅读的 “乱码”。
本文将详细介绍如何使用Python破解这种字体加密，自动获取并还原番茄小说的真实内容。
二、核心思路
主要爬虫逻辑：
1.如何发送请求：使用python库向服务器发起网络请求
2.发送给谁：明确目标资源的URL地址
3.怎么伪装自己：设置请求头，模拟正常浏览器行为，避免被识别为爬虫
4.响应信息处理：接收服务器返回的数据，并从中提取有效内容
破解字体加密的核心流程：
1.分析网页：在小说页面打开 检查--网络--字体 找到自定义字体文件（通常是 .woff 或 .woff2 格式），右键在新标签页中打开下载
2.渲染字体：将字体文件中的每个字符渲染成一张高对比度的黑白图片
3.OCR识别：使用OCR工具识别出每张图片对应的真实文字
4.构建映射：建立“字体码点 → 真实文字” 的映射字典
5.内容还原：使用这个字典将抓取到的乱码文本替换为真实可读的内容
三、环境准备
首先，我们需要安装几个关键的Python依赖库：
（补充：ddddocr仅适用于版本号小于python3.13的版本，编者使用的是3.11.4版本，读者最好使用3.11或3.10的版本，避免版本不兼容
四、代码实现
·获取映射字典
1.字体渲染函数
这个函数负责将字体中的一个 Unicode 码点渲染成一张清晰的黑白图片，为后续的 OCR 识别做准备
2.字体识别与映射构建函数
这个函数遍历字体中的所有字符，调用上面的渲染函数生成图片，然后使用OCR识别，最终构建出破解字典
3.获取字体映射规则
（补充：之前下载的.woff字体文件要将其放在与python文件同一位置的文件夹中，打开.woff文件需借助FontCreator,下载链接：High-Logic FontCreator - Free Font Editor Download
·主爬虫逻辑
（由于编者之前发过一篇以斗罗大陆为例的简单爬虫教学，故在此默认读者有一定基础）
1.分析+思路：
此时仅获取的是第一章的内容，又经过网页分析，发现番茄小说里面下一章按钮是button元素，没有href，故回到目录页进行提取href
经过分析，发现章节href差异是数字id不同，故提取所有的数字id，再循环遍历
2.获取所有加密的章节内容
故以下是爬取所有加密的章节内容代码（此代码编者仅获取了几章内容，读者可自行调整获取章节）
3.进行解密
由于之前已经获取到了映射字体规则：mapping，故将加密内容与映射规则替换即可
五、整体代码
