SpiderDemo第十题-字体SVG挑战

T10 字体SVG挑战

简要说一下SVG字体反爬：服务器将数字画成矢量图形（SVG 路径），前端通过特殊字体渲染，让你无法直接从 HTML 或 JSON 里拿到明文数字

一：抓包分析

翻页后查看接口返回

接口返回json，包含一个svg_content字段，一大段XML，网页上显示的是正常数字。下一个blob请求，直接返回的是当前数字

仔细分析下svg_content值，可以看到path下的代码，同时一共有40个，对应每一个字母

涉及到这种图像的字体，一般想到的会使用ocr识别这些。

而本文中我们使用的是模版匹配，同一个网站使用的SVG字体是固定的。也就是说映射是不变的。我们找到首页的数字与svg_content生成一个模版，后续的字母都是在本模版上进行匹配。

二：获取模版样本

本文以第二页为模版

值为： [1779, 7315, 4463, 1366, 7080, 5154, 7302, 1472, 8363, 8264]

def extract_paths_from_svg(svg_content):
    """从 SVG 中提取所有 path 的 d 属性，并按 transform translate X 排序"""
    root = etree.fromstring(svg_content.encode('utf-8'))
    ns = {'svg': 'http://www.w3.org/2000/svg'}
    paths_with_x = []
    for elem in root.xpath('//svg:path', namespaces=ns):
        d = elem.get('d')
        trans = elem.get('transform', '')
        m = re.search(r'translate\(([^,]+),', trans)
        x = float(m.group(1)) if m else 0.0
        paths_with_x.append((x, d))
    paths_with_x.sort(key=lambda t: t[0])
    return [d for _, d in paths_with_x]

def build_template(svg_content, actual_numbers):
    """
    actual_numbers: 整数列表，长度应与 SVG 中的 path 数量一致
    返回模板列表 [(path_string, digit), ...]
    """
    paths = extract_paths_from_svg(svg_content)
    # 将实际数字展开为单个数字列表（例如 1779 -> [1,7,7,9]）
    digits = [int(d) for num in actual_numbers for d in str(num)]
    if len(paths) != len(digits):
        raise ValueError(f"路径数量({len(paths)})与数字数量({len(digits)})不匹配")
    templates = list(zip(paths, digits))
    return templates

def save_templates(templates, filepath='templates.pkl'):
    with open(filepath, 'wb') as f:
        pickle.dump(templates, f)
      
data = {
        "svg_content": "“
    }
    actual = [1779, 7315, 4463, 1366, 7080, 5154, 7302, 1472, 8363, 8264]

    # 实际使用时，请替换为你的真实数据
    templates = build_template(data['svg_content'], actual)
    save_templates(templates)

代码就不讲解了，这些就是保存模版。

通过模版匹配新的值

def recognize_with_templates(svg_content, templates):
    """
    templates: 模板列表 [(path_string, digit), ...]
    返回识别出的整数列表（每4位一组）
    """
    paths = extract_paths_from_svg(svg_content)
    result_digits = []
    for path in paths:
        best_dist = float('inf')
        best_digit = None
        for tmpl_path, digit in templates:
            dist = Levenshtein.distance(path, tmpl_path)
            if dist < best_dist:
                best_dist = dist
                best_digit = digit
        result_digits.append(best_digit)
    # 每4个数字一组转成整数
    result_numbers = []
    for i in range(0, len(result_digits), 4):
        num = int(''.join(map(str, result_digits[i:i+4])))
        result_numbers.append(num)
    return result_numbers