讲师中心 微信公众号

工具推荐

视频效率加速
updream

一键生成高质量推广成片

SoundView
SoundView

字幕擦除翻译、配音口型同步

Seko
Seko

AI短剧一键生成成片

AniShort
AniShort

AI短剧协同制作平台

Python爬虫面对SVG映射反爬时如何编写算法自动还原文字?

陌浩小哥_1612

陌浩小哥_1612

发布时间:2026-11-22 10:12:36

|

880人浏览过

|

来源于php中文网

原创

SVG映射反爬的本质是用图形片段替代真实字符,通过引用或中的等图形定义实现视觉呈现,HTML源码中无明文文本,需基于路径哈希或字体映射还原。

python爬虫面对svg映射反爬时如何编写算法自动还原文字?

SVG映射反爬的本质是什么?

SVG文字反爬不是加密,而是把真实字符替换成<use></use>引用的<symbol></symbol>或<defs></defs>里的图形片段。网页显示的是拼接后的视觉效果,但HTML源码里没有对应文字——比如“¥199”可能被拆成三个<use xlink:href="#s23"></use>,而#s23在<symbol id="s23"></symbol>里实际是一段<path d="M..."></path>。

关键判断:如果页面中文字位置固定、字体一致、字符集有限(如价格、评分、城市名),且每个字符对应唯一<symbol></symbol>或<glyph></glyph>,那就可以建立映射表还原;如果每次加载都动态生成id或打乱<symbol></symbol>顺序,则需额外处理URL或JS上下文。

如何提取SVG符号与文字的对应关系?

核心是定位两处内容:一是页面中<use></use>标签的xlink:href值(或现代写法的href),二是<defs></defs>或<symbol></symbol>里对应的图形定义。常见错误是只抓<use></use>却没关联到<symbol></symbol>的id,导致映射断裂。

  • 先用lxml或BeautifulSoup解析HTML,提取所有<use></use>节点及其href属性(注意兼容xlink:href和href两种写法)
  • 再查找<defs></defs>或全局<symbol></symbol>,用id匹配href中的锚点(如href="#price_5" → 找<symbol id="price_5"></symbol>)
  • 对每个匹配到的<symbol></symbol>,提取其内部<text></text>子节点(少数情况存在);更多时候需比对<path d></path>的哈希值——因为相同字符的路径数据通常不变
# 示例:用SHA256对path d做指纹
import hashlib
d_attr = symbol.find('.//path').get('d', '')
fingerprint = hashlib.sha256(d_attr.encode()).hexdigest()[:16]

还原文本时如何处理动态ID和字体偏移?

很多站点会把<symbol id></symbol>设为随机字符串(如id="g_8a3f"),或给<use></use>加x/y偏移模拟排版。此时不能硬靠ID字符串映射,得转向图形特征。

Define repeatable Python automation sessions in code with nox
Define repeatable Python automation sessions in code with nox

将测试、lint、构建和文档流程编码为命名的Python会话,以便人类和代理每次运行相同的workflow。

下载

立即学习“Python免费学习笔记(深入)”;

  • 优先检查是否有内联<style></style>或外部CSS定义了@font-face指向SVG字体(src: url(...#fontname)),若有,直接下载SVG字体文件,解析其中的<glyph unicode="¥"></glyph>字段
  • 若无字体文件,就采集样本页:人工记录几组已知文字(如“¥”, “1”, “9”, “9”)对应的<use></use>节点和它们引用的<symbol></symbol>路径指纹,构建初始映射表
  • 遇到<use x="10" y="2"></use>等偏移,说明字符间有固定间距,可结合font-size和text-anchor推算逻辑顺序,但多数价格类场景字符等宽,按<use></use>出现顺序拼接即可

用Python实现还原函数要注意哪些坑?

最常踩的坑是忽略命名空间和XML解析模式差异。用lxml时若不声明namespaces={'xlink': '<a href="https://www.php.cn/link/76607c8d892045f92be8094007e338f5">https://www.php.cn/link/76607c8d892045f92be8094007e338f5</a>'},xlink:href根本取不到;用BeautifulSoup默认不解析XML命名空间,find('use', {'xlink:href': True})会失效。

  • 解析前统一用lxml.etree.fromstring(html_bytes, parser=lxml.etree.XMLParser(recover=True)),避免因HTML混杂XML语法报错
  • 不要依赖<symbol></symbol>的文本内容——它常常为空,真正信息在<path></path>或<glyph></glyph>里
  • 映射表建议存为字典:{'sha256_xxx': '¥', 'sha256_yyy': '1'},而不是按ID字符串硬编码,否则换页面就失效
  • 如果站点每小时更新一次SVG定义,就得定期重采样本并更新指纹库,不能写死在代码里

还原逻辑本身不复杂,难在稳定获取可复用的图形指纹——路径数据里微小空格、浮点精度、坐标变换都会让哈希值不同。实际项目中,往往要对d字符串做归一化:去除多余空格、四舍五入到小数点后1位、剔除无关transform属性。

热门AI工具

更多
DeepSeek

DeepSeek是一款面向对话、写作、编程和推理场景的AI大模型工具。

超级简历WonderCV

一款AI办公效率工具,主要用于免费求职简历模版下载制作,应届生职场人必备简历制作神器,适合需要提升相关任务效率的用户。

豆包大模型

豆包大模型是一款由字节跳动推出的企业级大语言模型服务平台。

Atoms
Atoms Hot

Atoms是一款AI智能体工具,第一支自动构建真实业务的 AI 团队。

WorkBuddy

一款AI办公效率工具,主要用于腾讯云推出的AI原生桌面智能体工作台,适合需要提升相关任务效率的用户。

创客贴AI

创客贴AI是一款AI图像与设计工具,AI辅助的智能在线设计工具。

SkildArt
SkildArt Hot

SkildArt是一款AI文本写作工具,一站式 AI 视觉创作平台。

二狗PPT
二狗PPT Hot

一款AI演示文稿工具,主要用于专为中式职场打造的AI PPT生成工具,适合需要提升相关任务效率的用户。

Seko
Seko Hot

一款AI视频创作工具,主要用于商汤科技推出的创编一体的AI短视频创作Agent,适合需要提升相关任务效率的用户。

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

1971

2023.07.20

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

5664

2023.07.25

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

1929

2023.07.31

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

34797

2023.08.03

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

4047

2023.08.04

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

4067

2023.08.04

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

1303

2023.08.11

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

636

2023.08.10

Navicat创建数据库教程
Navicat创建数据库教程

本专题整理Navicat创建数据库相关教程,介绍新建前的准备、基础设置和创建后的检查方法。内容兼顾入门学习及实际使用需求,帮助用户了解不同数据库类型下的操作差异,为后续建表、保存数据和日常管理提供参考。

0

2026.11.20

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn