又到了一年一度的秋招了，由于受疫情的影响，部分公司减少了数据分析相关岗位的实习名额，为了更了解秋招的相关岗位信息，这里针对实习僧 网站链接 的数据分析实习信息进行了爬取以及分析。

1.1 网页分析

进入实习僧首页，输入关键词：数据分析，并把搜索范围限定在全国，这样我们就可以看到相关的实习信息。

右键检查，我们会发现，有些文字内容显示不全，被某些字符替代


这就涉及到了字体反扒机制。

1.2 字体反扒机制

字体反爬，也就是使用自定义某些字体来替换网页中的某些字体来实现反爬。上图所示就是用’&#xe04e’来代替了’师’。通过调用自定义的ttf文件来渲染网页中的文字，使得网页中的文字编程了相应的字体编码，这样用户看到的正常的文字，实际上仅仅通过复制或者简单的采集是无法获取我们想要的信息。
我们可以将实习僧的字体文件下载到本地，通过fontTools库将字体文件以xml的形式展示出来。

1.3 构造字典

参考字体反爬之实习僧
我们可以通过正则表达式提取xml中的字体的unicode，并将其通过encode(‘utf-8’)进行编码，再通过decode(‘unicode_escape’)解码出汉字。把字体的编码当成key，真实的字体当成value，构造成替换字典。

1.4 创建表

在MySQL中创建数据库，命名为’shixiseng’，创建表info，其中字段为：

1.5 根据自己的需要进行修改

（1）由于参考的代码中查询的是算法的实习信息，这里可以根据需求进行修改
（2）参考的代码中是将数据存储到了MongoDB中，根据需要将数据存储到了MySql

代码链接：https://github.com/guotianyi960531/shixiseng_Dataget

参考链接：
[1]: 腾讯云：字体反扒之实习僧.
[2]: 知乎：反爬终极方案总结—字体反爬.
[3]: 简书：Python爬虫杂记 - 字体文件反爬（二）.