字体反爬通常出现在论坛、小说网站等，因为这些网站的文本内容通常具有较高的商业价值。首先给出相关网站的链接：汽车之家的示例链接 从上图中看，某些文字在开发者工具的element中并没有显示为正常的字体，比如“了”和“一”都显示成了某种特殊字符。上述现象表明网站对论坛中帖子的文本内容做了相关的反爬措施，也就是我们所说的字体反爬。

这里先尝试爬取相关的文本内容：

运行结果： 图中显示，我们可以获取到帖子的文本内容，接下来的工作就是筛选所需的内容。笔者这里采用xpath，当然也可以使用其他方法（正则、bs4）看个人喜好，对于该案例，笔者推荐使用xpath。

回顾帖子文本的标签结构： 获取相应div标签下的文本内容：

运行结果： 从上图看，目前获取的文本并不完整，因为span标签里面的文本（虽然看起来是乱码）没有获取到，修改xpath语句以获取完整文本：

运行结果： 现在可以获取到完整的代码了，但是乱码显示的内容是’\uee0a’等看似服从某种规律的字符串。实际上，这是网站为了字体反爬而设计的某种特殊字体，让某些文字在网页源代码中显示时变成看不懂的特殊字符串。

如何解决上述特殊字体： Windows系统也存储了许多字体： 查找网站采用的特殊字体：在element里面搜索“myfont”（“myfont”来源于span标签） 这里复制上图中ttf的url，然后粘贴到浏览器进行访问，就可以下载网站的特殊字体文件： 推荐使用FontCreator软件，可以打开该字体文件： 在代码中加载该字体文件：

运行结果： 上图中，列表里面保存的就是网站使用的特殊字体加载后的字符串，这些字符串与FontCreator软件打开字体文件后显示的汉字一一对应，比如’uniED78’表示汉字“低”。 列表中第一个字符串’.notdef’表示空白，其余字符串中的’uni’表示Unicode，后四位表示具体内容。此处，需要将上述列表进行一定的处理，将’uni’替换为’\u’，与网页源代码中获取到的特殊字符串相对应。另外，特殊字符串对应的汉字，在代码中只能手写出来。

运行结果： 此时的结果并不符合我们的预期，还需进行处理，方法如下：

Windows系统自动加上一层斜杠，需采用eval()方法处理后得到想要的结果。 运行结果： 最后一步就是替换文本中的特殊字符串为正常汉字：

运行结果：

演示链接：自如的示例链接 自如网站对租房的价格进行了一些css反爬措施： span标签里显示了一张png格式图片的url，在浏览器里面直接访问，可以看到如下的图片，该图片也称为css雪碧图：

百度CSS雪碧： 从字面意思理解，雪碧图通过偏移一定像素来定位所要的图片部分。

以上图为例，偏移-192.6px显示雪碧图中的数字1，偏移-171.2px显示雪碧图中的数字0。

如何寻找偏移量与数字的具体对应关系： 雪碧图中最简单的数字是6，因为它的偏移是0，然后寻找数字9，它的偏移量就是两个数字间的间隔。

笔者总结的雪碧图中数字与偏移量的对应关系：

这里先尝试爬取网页的文本内容：

运行结果： 尝试获取房屋的名字和价格文本内容（关键标签截图如下）：

运行结果： 提取价格信息中数字的偏移量，并转换成最终的价格：

运行结果：

这里的价格与实际页面上的并不相符，是因为网站的雪碧图在不断变化，导致原有的num_dict无法使用，不过这里笔者主要掌握方法，不要太在意这些。

以下代码中，笔者自己把雪碧图中数字与偏移量的对应关系写在csv文件，如果嫌麻烦也可以写在代码里。

运行结果：

限于篇幅，以上结果只是其中的一部分。