反爬虫：tyc-num.woff字体加密

场景介绍

之前写的Jsoup爬虫中有个日期格式解码，一直以来都不知道是在哪里加密的，近期更新了爬虫程序，顺便发现了很多网站用字体加密的反爬虫套路，这种方式利用修改默认字体文件中的对应关系实现加密，传统方式很难破解。

奇怪的字体

在一些加密的数字和文字上，发现了一个奇怪的class属性

<text class="tyc-num lh24">8348-39-88</text>

这个属性在css中就是使用一个字体：

.tyc-num {
  font-family: "tyc-num" !important;
}

在开发者工具NetWork-Font下找到了该字体：tyc-num.woff
Preview中看到的数字明显是乱序的，也就是说正常的数字显示已经混乱了，上面的8348-39-88在页面中显示为2012-05-22

tyc-num.woff字体文件

下载了tyc-num.woff文件后，可以使用字体编辑工具打开，这里我用的是FontCreator。打开后发现不光是数字混乱了，有370个左右的中文字也做了混淆，例如搜索可对应看到的是从，查看原网页中的可在页面中显示的果然是从。

解决方法

• 目前暂时对数字做了解码，只要把字体中的数字对应关系替换回来就行了。
• 中文字符太多暂时没有好的办法。但是从一些未替换的字中也能大概猜出语义了。
• 有的网站会定期更换加密字体，这样也会破解失败！
  新的数字解码：

  /**
   * 新的数字解码
   */
  private static String decode2(String date) {
      char[] charArray = date.toCharArray();
      for (int i = 0; i < charArray.length; i++) {
          switch (charArray[i]) {
              case '8':
                  charArray[i] = '0';
                  break;
              case '6':
                  charArray[i] = '2';
                  break;
              case '2':
                  charArray[i] = '3';
                  break;
              case '0':
                  charArray[i] = '4';
                  break;
              case '9':
                  charArray[i] = '6';
                  break;
              case '3':
                  charArray[i] = '8';
                  break;
              case '4':
                  charArray[i] = '9';
                  break;
              default:
                  break;
          }
      }
      return new String(charArray);
  }

  更新爬虫程序

  这次更新是因为原来的网站添加了一些反爬虫机制，例如IP和访问次数这些，使用阿布云后仍无法成功，所以先更换了别的网站：

  public static AccountBookInfo getInfo(String bookName) {
      AccountBookInfo result = new AccountBookInfo();
      String encodeName;
      try {
          encodeName = URLEncoder.encode(bookName, "utf-8");
      } catch (UnsupportedEncodingException e) {
          return null;
      }
      Document doc = JsoupUtils.getUrlDocument("https://www.tianyancha.com/search?key=" + encodeName);
      if (doc == null) {
          return null;
      }
      // 获取详情页地址（列表的第一个公司）
      Elements rows = doc.select(".result-list a");
      if (rows.size() == 0) {
          return null;
      }
      Element row = rows.get(0);
      Document infoDoc = JsoupUtils.getUrlDocument(row.attr("href"));
      if (infoDoc == null) {
          return null;
      }
  
      result.accountBookName = infoDoc.select("h1[class=name]").text();
      result.legalPerson = infoDoc.select(".legal-representative a").text();
      result.registeredCapital = infoDoc.select("td:containsOwn(实缴资本)").next().text();
      result.establishDate = decode2(infoDoc.select("td:containsOwn(核准日期)").next().text());
      result.registeredNo = infoDoc.select("td:containsOwn(工商注册号)").next().text();
      result.organizationCode = infoDoc.select("td:containsOwn(组织机构代码)").next().text();
      result.socialCreditCode = infoDoc.select("td:containsOwn(统一社会信用代码)").next().text();
      result.businessStatus = infoDoc.select("div:containsOwn(公司状态)").next().text();
      result.companyType = infoDoc.select("td:containsOwn(公司类型)").next().text();
      result.businessScope = infoDoc.select("td:containsOwn(经营范围)").next().text();
      result.address = infoDoc.select("td:containsOwn(注册地址)").next().text();
      result.businessPeriod = infoDoc.select("td:containsOwn(营业期限)").next().text();
      return result;
  }

  传送门：

  Java爬虫获取企业工商信息
  Jsoup选择器语法