汽车之家二手车被自定义字体混淆的价格数字解析

本文详解如何识别并解码汽车之家等网站通过自定义字体（web font）隐藏的真实价格数字，提供 unicode 映射表与 python 自动化解码方案。

从事网页爬虫开发的同行，大概率都遇到过这类令人抓狂的场景——页面明明显示着清晰的价格，爬取下来却是一串乱码字符。例如在汽车之家、懂车帝等二手车详情页中，价格字段经常出现类似 . 的字符。这并非编码错误，而是网站故意部署的反爬措施。

核心原理相当直接：网站通过自定义 Web Font 字体，将真实数字映射到 Unicode 私有区域的特殊字形上。浏览器能够正常渲染显示，但直接抓取 HTML 文本时，拿到的只是一堆“假字符”。

核心原理：字体映射替代数字显示

被混淆的目标

元素，通常会携带一个类似 font-zmQZz5CrbrbHudeQ 的类名。其内联 CSS 会指定一个特殊的字体族：

.font-zmQZz5CrbrbHudeQ {
  font-family: zmQZz5CrbrbHudeQ;
}

这个字体文件（通常为 .woff 或 .ttf 格式）正是关键所在。它将标准阿拉伯数字（0–9）、小数点甚至“万”这类单位，全部渲染到了特定的 Unicode 码位上。页面 HTML 中存储的是这些“马甲字符”，而非原始数字。这好比一家餐厅的菜单上只写代号，只有知情者才知道真正的菜品名称。

Unicode 到数字映射表（已验证）

以下表格基于当前页面快照整理得出映射关系，可直接参考：

显示字符	Unicode 码点	对应含义
	U+E53D	1
	U+E3F0	2
	U+E422	3
（重复）	U+E42C	4
（重复）	U+E49C	5
（重复）	U+E42B	6
（重复）	U+E4FE	7
（重复）	U+E548	8
（重复）	U+E4C8	9
（重复）	U+E453	0
（重复）	U+E45F	万（中文“万”，即 ×10）

注意：实际页面中，同一视觉字符可能对应多个数字（如上表所示），必须严格依据 Unicode 码点区分，仅凭视觉效果无法准确识别。

Python 解码示例代码

理解映射关系后，解码工作便容易处理。以下函数可将混淆字符还原为标准数字字符串，并兼容“万”单位的转换：

def decode_price(text: str) -> str:
    mapping = {
        'uE53D': '1',  # 
        'uE3F0': '2',  # （注意：此码点为2，非其他）
        'uE422': '3',  # 
        'uE42C': '4',
        'uE49C': '5',
        'uE42B': '6',
        'uE4FE': '7',
        'uE548': '8',
        'uE4C8': '9',
        'uE453': '0',
        'uE45F': '万',
        '.': '.',  # 保留小数点
    }
    decoded = ''.join(mapping.get(c, c) for c in text)
    return decoded

# 示例使用
raw_price = "."  # 实际抓取到的字符串（注意：可能为其他映射，需根据实际字体文件补充）
# 若已知对应'1'，则补充：'uE402': '1'（需动态分析字体文件确认）
print(decode_price(raw_price))  # 输出：'11.231'

关键注意事项

上述映射表并非万能，实际应用中有几个关键点需特别留意：

• 字体文件需动态分析：不同页面、不同时间点，网站可能随时更换字体名称及码点。最可靠的方式是使用浏览器开发者工具中的 Network 面板，过滤出 .woff 或 .ttf 文件，下载后用 FontForge 或在线工具（如 Transfonter）查看 glyph 到 Unicode 的映射关系。
• 避免硬编码，风险过高：生产环境中，建议编写自动化字体解析模块，动态生成映射表，而非依赖静态查表。
• 留意 JavaScript 渲染：如果价格由 JavaScript 动态写入，则 requests 等工具无法获取。需借助 Selenium 或 Playwright 等工具，先执行完 JavaScript 后再提取 HTML，否则连混淆字符都无法抓到。
• 单位转换：字符串中的“万”需转换为数值，例如 "15.8万" 实际对应 158000.0，后续统一转为浮点数以便计算。

掌握字体混淆机制后，不仅能破解汽车之家的价格字段，还可迁移至知乎、贝壳找房等同样采用 Web Font 反爬的平台。核心思路只有一条：视觉呈现 ≠ 文本内容，认清这一本质，多数反爬手段便失去效力。