把字体当锁：字体反爬
本系列一直在讲「同一个字符能对应多个字形」（概念见 字体到底是什么）的常规用法。反过来，这种错位也能被用作对抗手段：斗鱼、猫眼、起点这类站点会给页面挂一份私有字体，故意把码位和字形错排——HTML 里写的是一串乱码（或一个错误数字），浏览器用那份字体一渲染却显示成正确内容。你眼睛看到的对，爬虫抓到的全错。
1 · 为什么爬虫破不了（以及怎么破）
| 人（用浏览器） | 爬虫（读 HTML 文本） | |
|---|---|---|
| 拿到的码位 | 乱码码位 | 同样的乱码码位 |
| 有没有那份字体 | 有，自动下载并按 cmap 渲染 | 通常不解析字体，只取文本 |
| 最终结果 | 看到正确数字 | 乱码 / 被投毒的错数字 |
破解（反反爬）思路：把私有字体一起下载下来，用 fontTools 解析它的 cmap 表与字形轮廓，比对出「码位 → 真实数字」的映射，再把抓到的乱码翻译回去。
对抗会升级：字体会变。点上面的「换一版字体」——渲染照样正确，但映射变了。真实站点常每次请求都下发不同的字体文件（码位随机重排），昨天硬编码的对照表今天就失效。可靠的做法是：每次都从当次的字体文件动态重建映射（按字形轮廓做形状匹配 / OCR），而不是写死一张表。
它和本系列同一原理：正面是「font-variant-* 主动在字形间切换」，反面就是这页「把码位↔字形的错位当锁」——都是 codepoint ≠ glyph 的一体两面。
2 · 相关链接
- 斗鱼爬虫与字体反爬 · cjdev.me——本页蓝本。实战拆解斗鱼如何用自定义字体把数字错排，以及如何下载字体、解析 cmap / 字形轮廓还原真实数据。
- What is a Glyph in Typography? · fontfabric.com——字符 character ≠ 字形 glyph 的基础：同一码位可对应任意字形——这正是字体反爬能成立的根。
- fontTools 文档 · fonttools.readthedocs.io——Python 解析 / 改写字体的事实标准库：读 cmap、导出字形轮廓，反反爬时用它重建码位→数字映射。