本文介绍如何识别并解码网页中通过自定义字体（如 font-zmqzz5crbrbhudeq）将数字渲染为 unicode 私用区字符（如 、）的反爬策略，提供完整映射表与 python 解码方案。
本文介绍如何识别并解码网页中通过自定义字体（如 font-zmqzz5crbrbhudeq）将数字渲染为 unicode 私用区字符（如 、）的反爬策略，提供完整映射表与 python 解码方案。
在网页抓取实践中，不少汽车交易平台（如懂车帝）为防止价格数据被直接采集，采用「字体混淆」技术：不以明文数字呈现价格，而是定义一套私有字体（如 font-zmQZz5CrbrbHudeQ），将常规数字 0–9 及单位“万”映射为 Unicode 私用区（Private Use Area, PUA）中的特殊字符（如 U+E453 → 0，U+E4C8 → 9）。这些字符在 HTML 中显示为乱码（如 .），复制后也无法还原为真实数值。
字体混淆原理简析
目标元素通常带有特定字体类名（如 font-zmQZz5CrbrbHudeQ），其 CSS 定义指向一个自定义 Web Font（常为 WOFF/WOFF2 格式）。该字体文件中，字符形（glyph）被刻意重映射——例如将字形“1”的视觉外观绑定到 Unicode 码位 U+E53D 上。浏览器渲染时按字体规则显示图形，但 DOM 文本内容仍是 U+E53D，而非 "1"。
官方映射表（已验证）
以下是懂车帝等平台常用字体中关键字符的 Unicode → 数字映射关系：
| 显示字符 | Unicode 码位 | 对应含义 |
|---|---|---|
| | U+E453 | 0 |
| | U+E422 | 3 |
| | U+E3F0 | 2 |
| | U+E53D | 1 |
| | U+E42C | 4 |
| | U+E49C | 5 |
| | U+E42B | 6 |
| | U+E4FE | 7 |
| | U+E548 | 8 |
| | U+E4C8 | 9 |
| | U+E45F | 万（即 ×10⁴） |
⚠️ 注意：实际页面中同一字符可能对应多个码位（因字体版本更新），建议结合 Chrome DevTools 的「Computed」面板查看 font-family，再下载对应 .woff 文件用 FontForge 或在线工具（如 wakamaikai.com/font）验证真实映射。
Python 解码示例
以下函数可将混淆文本（如 "."）安全转换为标准数字字符串：
def decode_price(text: str) -> str:
# Unicode → digit/unit 映射（按实际页面校准）
mapping = {
'\uE53D': '1', #
'\uE3F0': '2', #
'\uE422': '3', #
'\uE42C': '4',
'\uE49C': '5',
'\uE42B': '6',
'\uE4FE': '7',
'\uE548': '8',
'\uE4C8': '9',
'\uE453': '0', #
'\uE45F': '万', # 万
'.': '.', # 保留小数点
}
return ''.join(mapping.get(char, char) for char in text)
# 示例使用
obfuscated = "." # 实际抓取到的 HTML 文本
print(decode_price(obfuscated)) # 输出：'11.320'
进阶建议
- 动态字体处理：若字体频繁更新导致映射变化，可自动化解析 .woff 文件的 cmap 表（需 fonttools 库）；
- JS 渲染依赖：部分价格需执行 JS 才生成，此时应改用 Selenium/Playwright 渲染后提取 textContent（但注意字体仍可能混淆）；
- 合法性提醒：务必遵守 robots.txt 及网站 Terms of Service，对高频请求添加合理延迟，并优先考虑官方 API。
掌握字体混淆的解码逻辑，不仅能应对懂车帝等平台的价格抓取，也为破解其他采用类似反爬策略的电商、招聘类网站提供了通用方法论。
