5分钟看懂SVG反爬虫原理与绕过实战

SVG反爬虫不同于字体反爬虫，它巧妙的利用css 与 svg的关系，将字符映射到网页中，看起来虽然正常，但是却抓取不到有效内容。本文带你深入浅出，破了SVG反爬虫的套路，学会之后，可应用于某点评网。

一、初识SVG反爬：

为了防止面对监狱编程，我在本地自己做了一个网页用于爬虫测试。任务是爬取票据中的产品价格信息，按照往常一样审查元素定位目标节点，但是发现事情并不简单。

看图：

¥符号后面并没有我们想要的价格信息，而是四个d标签取而代之。随便选中一个7，发现对应的是属性class=lhtqsc的d标签。

看css样式：

有两段描述这个标签的语句，第一段比较常规，但是其中的

就有点奇怪，而第二段，描述的是background，它的值是两个 大小值，单位px。

打开svg文件查看：

貌似是没什么规律的数字



查看该页面网页源代码，发现是张这样的：


 

二、什么是SVG？

想要搞定SVG反爬虫就得先搞清楚SVG：

SVG是一种基于xml用于描述矢量图的图形格式，由于矢量图放大或缩写都不会影响图形的质量，所以被较多的应用在web站点与App中，常见的存在形式是图标。

编写一个SVG文件：

为了方便，我们可以把要写的svg，写到html文件中，新建一个svg.html键入如下内容：

浏览器打开如下：

其中：

很关键，这一行用text标签定义了一段文本，fill是文本颜色属性，为红色，并且指定了文本的坐标。该坐标的规则是：

1. 以左上角为坐标系的原点(0,0)
2. X 轴的正方向向右，从 0,0 点开始向右， x 逐渐增大。Y 轴的正方向向下，从 0,0 点开始向下， y 逐渐增大。
3. 坐标以像素为单位
4. n 个字符可以有 n 个位置参数。

增加一行：

这行代码指定了前九个字符的位置，且指定了文本的颜色，y的值也增大到100，浏览器打开如下：

再次增加一行：

上图可以看到，在不改变文本顺序的情况下通过改变x中的值，让第一个字符I和第四个字符o交换了位置。

三、SVG与CSS的联系：

现在我们尝试把css和svg联系起来，更加深入的理解，方便我们做下一步抓取工作:在svg中，X轴正方向为从左到右，y轴的正方向是从上到下；在css中，X轴负数向右，Y轴是负数向下。一图胜千言：


所以，CSS与SVG刚好相反。新建一个zhiliao.svg并键入：

我们在style中 定义了字符的风格，大小（14px），以及颜色（#666）。定义了每个字符所在的位置。

现在我们对第一个字符h进行定位，

X轴计算法则：字符大小 / 2 + 字符的x轴起点位置参数

Y轴计算法则：（y 轴高度 - 字符 y 轴起点 - 字符大小）/ 2 + 字符 y 轴起点位置参数 + 字符大小数值的一半

也就是：

X = 14/2 + 0 = 7

Y = （30 - 0 - 14） / 2 + 0 + 14 / 2 = 15

svg中对应的定位就是 x = 7 ，y = 15

css与svg相反，所以是 -7，-15现在

新建一个zhiliao.css文件，键入如下内容：

新建一个demo.html，键入：

html中会引入css文件，css又会引入svg文件。通过d标签的class属性值读取css对应的svg标签，完成对svg的映射。然后把demo.html拖到浏览器，可以看到：

字符h完完整整的被我们成功的映射出来了。
搞懂了这些，反爬就不是难事了，我们要做的是让程序搞定这些。

四、Python抓取数据：

回到刚才的目标网站，开始实战抓取。

1.获取css样式文件与svg文件内容：

2.获取匹配出class属性值对应css参数，与字符大小：

测试寻找class=lhtqsc的css对应参数和字符大小，输出如下：

打开对应css与svg文件验证：

一致，成功！

3.观察svg文件：

这里有四个text标签，对应四个文本，每个文本X轴都是从0开始，并且以14递增Y轴不相同的，分别是 38， 83 ， 120 ，164文本顺序也有所不同。现在我们get这些数据：

输出：

到这一步，我们成功的分别取出了y的和text标签的四个值，并组成了列表。但是，这些元素 几乎没有和 [‘38’, ‘83’, ‘120’, ‘164’] 中有相等的，

这对于我们寻找text标签包含的文本值并不影响，我们找到最近接近的即可。我们仍然以 class=lhtqsc为例子，寻找它最近的y值，从而找出是哪个text标签包含的值。完善我们的代码：

输出：

然后就可以利用切片的特性寻找到对应的数值啦！

输出 7，有图为证：

验证：我们打开网站，看看对应的是不是数字7



到这里，就算成功了，是不是很简单呢？跟我一起做一遍吧。