注意：本示例仅供学习参考～
混淆原理
出于某种原因，明文信息通过自定义字体进行渲染，达到混淆目的。
举个例子：
网页源码 <p>123</p> 在正常字体的渲染下，浏览者看到的是 123 这 3 个数字。
如果创建一种自定义字体，把 1 渲染成 5，那么浏览者看到的便是 523 这 3 个数字。
这样便达到混淆信息的效果，常见于对付爬虫之类的自动化工具。
破解方法
下载自定义字体文件（通常在 css @font-face 中找到），保存成 a.ttf 文件。
安装以下依赖项目
- tesseract 4.0 及以上版本，以及简体中文(chi_sim)和英文(eng)数据文件。
- python tesserocr 最新源码(github)版本。
- python fonttools 库。
- python pillow 库。
运行以下代码
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
|
# -*- coding: utf-8 -*-本例采用 tesseract OCR 引擎，根据字体文件自动生成密文与明文的字符映射表，实现解密功能。@author: 李毅from tesserocr import PyTessBaseAPI, PSMfrom PIL import Image, ImageDraw, ImageFontfrom fontTools.ttLib import TTFontimport stringclass OCR(object): default_config = { # ocr engine 'data_path': None, 'lang': 'chi_sim', 'white_list': None, 'black_list': None, # image 'font': None, 'image_size': (60, 60), 'font_size': 30, 'text_offset': (15, 15), } def __init__(self, config={}): c = dict(self.default_config) c.update(config) self.api = PyTessBaseAPI(path=c['data_path'], lang=c['lang'], psm=PSM.SINGLE_CHAR) self.img = Image.new('RGB', c['image_size'], color='white') self.draw = ImageDraw.Draw(self.img) self.font = ImageFont.truetype(c['font'], size=c['font_size']) self.text_offset = c['text_offset'] if c['white_list']: self.api.SetVariable('tessedit_char_whitelist', c['white_list']) if c['black_list']: self.api.SetVariable('tessedit_char_blacklist', c['black_list']) self.font_tool = TTFont(c['font']) self.empty_char = self._predict_empty_char() def _predict_empty_char(self): self.api.SetImage(self.img) return self.api.GetUTF8Text().strip() def is_char_in_font(self, char): for t in self.font_tool['cmap'].tables: if t.isUnicode(): if ord(char) in t.cmap: return True return False def predict(self, char): ''' 返回转换后的字符，或空串'' ''' if not self.is_char_in_font(char): return char # 若字体无法渲染该字符，则原样返回。此处可酌情移除。 self.img.paste('white', (0, 0, self.img.size[0], self.img.size[1])) self.draw.text(self.text_offset, char, fill='black', font=self.font) self.api.SetImage(self.img) c2 = self.api.GetUTF8Text().strip() if c2 == self.empty_char: return '' # 某些字符可能渲染成空白，此时返回空串。 return c2class Decoder(object): def __init__(self, data_path, font): self.cache = {} # 缓存已知的映射关系。 OCR.default_config.update(dict(data_path=data_path, font=font)) self.ocr_digit = OCR(dict( lang='eng', white_list=string.digits, black_list=string.ascii_letters, )) self.ocr_letter = OCR(dict( lang='eng', black_list=string.digits, white_list=string.ascii_letters, )) self.ocr_other = OCR() def decode(self, char): if char not in self.cache: c2 = self._decode_when_cache_miss(char) self.cache[char] = c2 or char return self.cache[char] def _decode_when_cache_miss(self, char): ocr = self.ocr_other if char in string.digits: ocr = self.ocr_digit elif char in string.ascii_letters: ocr = self.ocr_letter return ocr.predict(char)if __name__ == '__main__': s = '''你好，青划长务, 8175-13-79''' d = Decoder('tessdata/', 'a.ttf') print(''.join(map(d.decode, s))) |
总结
以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对服务器之家的支持。如果你想了解更多相关内容请查看下面相关链接
原文链接：https://segmentfault.com/a/1190000015337086
