网页爬虫【免费下载链接】dianping_spider大众点评爬虫全站可爬解决动态字体加密非OCR。持续更新项目地址https://gitcode.com/gh_mirrors/di/dianping_spider点击查看免费下载本文以开源仓库 dianping_spider 中 js/README.md 描述的浏览器端油猴Tampermonkey脚本为核心讲解如何在不写一行 Python 代码的情况下直接在浏览器中采集大众点评某店铺全部评论页的完整评论内容并深入剖析脚本解决动态字体加密非 OCR的实现原理。读完本文你将掌握该油猴脚本的安装、使用、浏览器兼容性边界以及 CSS SVG 字体映射还原加密字符的完整技术链路并能与仓库内 Python 版爬虫的加密处理逻辑相互印证。一、脚本定位Python 爬虫之外的零成本采集方案dianping_spider 主项目是 Python 全站爬虫搜索页、详情页、评论页其 README.md 明确将浏览器油猴插件列为已支持的功能之一。而js/目录下的这套浏览器端脚本核心目标只有一个在店铺的全部评论页面把当前页面渲染出的全部评论内容一次性提取出来。与 Python 爬虫需要配置 cookie 池、IP 代理、uuid/tcv 等 30 多个参数不同油猴脚本直接寄生在真实浏览器环境里天然拥有合法渲染上下文、真实 cookie 与页面 DOM因此上手成本极低——装上脚本、打开页面、点一下按钮即可。适用页面为大众点评的全部评论页例如http://www.dianping.com/shop/H3CxO06M73m8Kmvc/review_all二、安装与运行环境2.1 安装方式脚本通过 Tampermonkey油猴插件运行可直接在线安装。仓库 js/README.md 提供了官方脚本地址脚本头部元数据js/spider.user.js 第 1~11 行同样声明了匹配规则与依赖// UserScript // name 大众点评评论 // namespace http://tampermonkey.net/ // version 0.10 // description 获取大众点评网页评论,解决动态字体加密 // match http://www.dianping.com/shop* // match https://www.dianping.com/shop* // grant GM.xmlHttpRequest // /UserScript关键声明解读match限定了脚本仅在www.dianping.com/shop*页面生效因此需要先在浏览器中打开店铺相关页面脚本才会注入grant GM.xmlHttpRequest授权脚本跨域请求字体资源CSS、SVG 文件均托管在s3plus.meituan.net的 CDN 上这是破解字体加密的基础能力。2.2 浏览器兼容性重要文档明确给出了实测结论FireFox 搭配 Tampermonkey 插件可完美使用Chrome 浏览器下点击更多评论会刷新页面原因未知。也就是说如果你的主力浏览器是 Chrome建议改用 Firefox 运行该脚本否则展开评论时页面可能被刷新导致采集中断。这一限制属于脚本作者实测反馈使用前需自行评估。三、使用流程两个悬浮按钮脚本注入后会在页面右下角生成两个悬浮按钮js/spider.user.js 第 149~179 行按钮行为开始采集自动点击页面中所有.fold展开按钮以展开长评论隐藏.unfold收起按钮然后调用核心提取逻辑getResult()将结果以固定面板形式展示在页面左下角下一页模拟点击.NextPage翻页按钮用于继续采集下一页评论核心流程对应源码btn.onclick async () { const moreBtns $(moreBtnClass); // .fold moreBtns.forEach(b { b.click(); // 展开被折叠的评论 b.style.opacity 0; // 隐藏展开按钮 }); const lessBtns $(lessBtnClass); // .unfold lessBtns.forEach(l l.style.opacity 0); const res await getResult(); // 提取当前页全部评论 showResult(res); // 渲染结果面板 }采集结果通过showResult()渲染为一个固定定位position: fixed、宽高 600px、带滚动条的浮层每条评论以独立div展示方便直接复制。四、核心难点动态字体加密的非 OCR 破解大众点评评论内容并非普通文本而是通过动态字体渲染HTML 中的文字实际是加密字体编码肉眼看到的内容由浏览器通过字体文件绘制而成直接抓取 DOM 文本得到的是乱码。该脚本的核心价值就在于不依赖 OCR而是用「CSS 定位 SVG 字形表」还原出真实字符。整套逻辑集中在getResult()js/spider.user.js 第 23~133 行分四个阶段4.1 阶段一收集 CSS 与 SVG 资源 URL先序列化当前 DOM正则提取页面内引用的所有样式表地址均以//s3plus.meituan.net/v1/...形式出现补全为https:协议const getCssUrl () { const bar documentTxt.matchAll(/href\(\/\/s3plus\.meituan\.net\/v1\/.*?)\/g); ... return baz.map(b https: b[1]); }再对每份 CSS 内容匹配 SVG 雪碧图的地址并记录其前缀 class[class^...]const getSvgUrl (content) { const bar content.matchAll(/\[class\^\(.*?)\\].*?url\((\/\/s3plus.meituan.net\/v1\/.*?)\)/g); ... }4.2 阶段二解析 CSS 中的字符坐标表每个加密字符对应一个形如.className { background:-Xpx -Ypx; }的 CSS 规则其中的(X, Y)是该字符在字体雪碧图中的坐标。脚本通过GM.xmlHttpRequest跨域拉取 CSS 文本用正则抽取所有坐标映射并过滤掉带[的规则那些是 SVG 雪碧图的声明而非字符const matchs cssContent.matchAll(/.(.*?)\{background:-(.*?)px -(.*?)px;}/mg); ... if (!name[0].includes([)) { cssNameMap[name[1]] [Number(name[2]).toFixed(0), Number(name[3]).toFixed(0)] }4.3 阶段三解析 SVG 字形表并建立字体偏移SVG 字体文件内包含y坐标与字符的对应关系text x... y...字符/text脚本据此建立「行坐标 → 行号」映射。更关键的是字体存在特征色偏移SVG 内若包含#333则高度偏移量为 23包含#666则高度偏移量为 15宽度偏移量均为 0if (svgContent.includes(#333)) { fontHeightOffset 23; fontWeightOffset 0; } if (svgContent.includes(#666)) { fontHeightOffset 15; fontWeightOffset 0; }4.4 阶段四坐标反查还原字符对每个 CSS 类名取其坐标(locX, locY)叠加字体偏移后换算到 SVG 的格子位置反查出真实字符const locXLine Math.floor((locX fontWeightOffset) / 14); // 每字宽度 14px const locYLine fontLoc[locY fontHeightOffset]; // y 坐标 高度偏移 → 行号 let val ; if (fontLocMap[locYLine - 1]) val fontLocMap[locYLine - 1][2][locXLine]; cssNameMap[key].push(val);最终cssNameMap从「class 名 → 坐标」升级为「class 名 → 坐标 真实字符」。提取评论时脚本遍历.review-words节点下的每个子节点带 class 的节点查表还原字符普通文本节点直接取textContent拼接后即得到完整可读的评论js/spider.user.js 第 115~130 行。五、与 Python 端实现相互印证这套浏览器端破解逻辑并非孤例仓库 Python 端在评论爬取中采用了完全同源的算法两者可互为对照utils/get_font_map.py 的get_review_map_file()同样先解析页面中的s3plus.meituan.netCSS再抽取.xxx{background:-Xpx -Ypx;}坐标规则并过滤含[的项同样的特征色偏移判定#333→ 高度偏移 23#666→ 高度偏移 15utils/get_font_map.py 第 390~398 行同样的坐标换算公式loc_x_line, loc_y_line (loc_x font_weight_offset) // 14, ...utils/get_font_map.py 第 428 行Python 端还将解析结果落盘为./tmp/*.json缓存并做二次复用文件存在则跳过解析且若 SVG 中既无#333也无#666会提示评论页字体变更并退出——这说明字体特征标记一旦变化两端代码都需要同步适配见 docs/problems.md 第 8 条。而在爬虫侧function/review.py 的get_review()会依次调用get_review_map_file()获取映射文件、requests_util.replace_review_html()将页面源码中的加密字符替换为真实文本utils/requests_utils.py 第 386~400 行再交给 BeautifulSoup 解析出用户名、评分、评论内容、图片等结构化字段。也就是说油猴脚本是这套字体还原算法在浏览器端的实时版Python 爬虫则是同算法的离线批处理版。六、注意事项与使用边界作用范围脚本只处理全部评论页/review_all且每次采集的是当前页面已渲染的评论需要多页数据时请配合下一页按钮逐页操作展开折叠评论开始采集会自动展开.fold长评论并隐藏收起按钮避免截断浏览器差异Chrome 下点击更多评论可能触发页面刷新建议使用 Firefox合规声明本项目遵循 GPL-3.0 协议且仅限学习交流使用见 README.md采集时请注意遵守目标网站的服务条款与相关法律法规时效性字体特征#333/#666与 CSS 结构若被大众点评更新脚本可能失效届时需要同步调整偏移量与正则这与 docs/problems.md 中记录的 Python 端故障排查逻辑一致。七、小结js/ 目录下的油猴脚本以极低的接入成本实现了大众点评全部评论页的完整评论采集其核心价值在于用 CSS 背景坐标 SVG 字形表反查的方式在浏览器端实时破解动态字体加密全程无需 OCR。配合展开评论 翻页两个按钮即可完成整页乃至多页评论的浏览式采集。理解 js/spider.user.js 中拉 CSS → 抽坐标 → 拉 SVG → 建行映射 → 反查字符这条链路也能帮助你更好地理解仓库 Python 端 utils/get_font_map.py 的字体解析实现从而在网站字体规则更新时快速定位需要调整的代码位置。赞分享网页爬虫【免费下载链接】dianping_spider大众点评爬虫全站可爬解决动态字体加密非OCR。持续更新项目地址https://gitcode.com/gh_mirrors/di/dianping_spider点击查看免费下载相关推荐ScriptHookV深度解析构建GTA V自定义模组的核心技术框架ScriptHookV深度解析构建GTA V自定义模组的核心技术框架 ScriptHookV作为《侠盗猎车手V》GTA V的开源脚本钩子框架为开发者提供CSDNGreener 用户脚本彻底净化CSDN浏览体验CSDNGreener 是一款专为 Tampermonkey 插件设计的 CSDN 绿化脚本拥有超过 160 个版本迭代的稳定表现。这款脚本能够完全过滤 CS前端OpenCLI 大众点评dianping浏览器适配器实战基于登录态 Chrome 的店铺搜索与详情采集OpenCLI 大众点评dianping浏览器适配器实战基于登录态 Chrome 的店铺搜索与详情采集 本篇指南围绕 OpenCLI 项目中的大众点评d开发工具CLI人工智能AI 应用浏览器控制GUI 自动化上一篇如何设置NewsBlur移动端离线阅读随时随地获取新闻内容的完整指南下一篇Detectron2 扩展指南理解 config 驱动接口、显式参数构建与 configurable 装饰器创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考