猫眼电影用的是动态字体库
猫眼电影榜单国内票房榜，地址：
首先需要获得字体文件，在页面或css里搜@font-face或font-famil
在font刷新页面几次发现字体会变化，字体库是动态的
解决方案
建立字和动态字体库字形的联系
原理
字体用类似表的结构记录字，比如cmap记录了unicode索引和字形，这里反爬用到的表示glyf字形表，表里记录了具体的字形笔画数据，
且表里只记录了字形数据，不关联其他表。有专门的loca表按顺序记录glyf表里字形的位置，在使用字体时通过loca表来找到具体字形。
所以可以利用字形数据来找到自定义字体unicode与字的联系。
字体资料整理记录在：
找关联思路：
1.在猫眼电影下载一个字体做为基准，建立基准字体unicode和字的关系。
2.刷新网页后下载新字体，记为网站字体2，通过比较网站字体1和网站字体2的字形找到unicode和新unicode联系。
3.再通过相同的unicode来建立字和变化字体库unicode的联系，最后将新unicode替换成字。
代码
headers={"User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.86 Safari/537.36"}r=requests.get("https://maoyan.com/board/1",headers=headers)font1_url="http:"+re.findall("url\(\'(\/\/.*?woff)\'\)",r.text,re.M)[0] #创建font目录保存基准字体if not os.path.exists("font"): font1=requests.get(font1_url,headers=headers) os.mkdir("font") with open("./font/base.woff","wb")as f: f.write(font1.content) 下载一次基准字体并保存到font目录
base_font = TTFont('./font/base.woff')base_dict=[]for i in range(len(baseFont.getGlyphOrder()[2:])): print(f"对应的数字{i+1}:") w=input() base_dict.append({"code":baseFont.getGlyphOrder()[2:][i],"num":w}) 建立基准字体的unicode和真实字符的关系，查看unicode使用的软件是FontCreator
代码只需要执行一次，直接按顺序输入数字
new_font_url="http:"+re.findall("url\(\'(\/\/.*?woff)\'\)",r.text,re.M)[0]font=requests.get(new_font_url,headers=headers)with open("new_font.woff","wb")as f: f.write(font.content)new_font = TTFont('new_font.woff')new_font_code_list=new_font.getGlyphOrder()[2:] 页面改变后的字体下载，获取unicode列表
replace_dic=[]for i in range(10): news = new_font['glyf'][new_font_code_list[i]] for j in range(10): bases = base_font['glyf'][base_dict[j]["code"]] if news == bases: unicode=new_font_code_list[i].lower().replace("uni","&#x")+";" num= base_dict[j]["num"] replace_dic.append({"code":unicode,"num":num}) 建立新unicode和字符的关系
org_data=r.textfor i in range(len(replace_dic)): new_data=new_data.replace(replace_dic[i]["code"],replace_dic[i]["num"])
全局替换unicode成字符
tree=etree.HTML(org_data)dds=tree.xpath('//dl[@class="board-wrapper"]/dd')info=[]for dd in dds: title=dd.xpath('.//p[@class="name"]/a/@title')[0] star=dd.xpath('.//p[@class="star"]/text()')[0].replace("主演：","") time=dd.xpath('.//p[@class="releasetime"]/text()')[0].replace("上映时间：","") realticket=dd.xpath('.//p[@class="realtime"]//text()')[1]+dd.xpath('.//p[@class="realtime"]//text()')[2].strip() totalticket=dd.xpath('.//p[@class="total-boxoffice"]//text()')[1]+dd.xpath('.//p[@class="total-boxoffice"]//text()')[2].strip() info.append({"标题":title,"主演":star,"上映时间":time,"实时票房":realticket,"总票房":totalticket}) 抓一些信息,下面是结果
保存成csv
import csvcsv_file = open("1325.csv", 'w', newline='')keys = []writer = csv.writer(csv_file)keys = info[1].keys()writer.writerow(keys)for dic in info: for key in keys: if key not in dic: dic[key ] = '' writer.writerow(dic.values()) csv_file.close() 结果
用的库
