Python爬虫解析SVG加密图标路径

本文深入解析了招聘和房产类网站（如前程无忧、智联招聘、链家、贝壳）广泛采用的SVG图标加密技术——通过将数字拆解为图形符号（symbol）、利用ID或class映射真实字符，并结合CSS或JS动态渲染，有效规避常规文本爬取；文章不仅揭示了其“以图代字”的核心原理，还手把手演示了如何用Python（lxml为主）精准定位symbol定义、解析xlink:href引用、构建映射关系并还原隐藏数字，同时针对JS动态注入、SVG字体、坐标偏移等复杂场景给出实用应对策略，助你突破反爬壁垒，高效提取关键敏感信息。

SVG图标加密常见于哪些网站场景

这类加密多见于招聘平台（如前程无忧、智联招聘）、房产中介（如链家、贝壳）的电话号码、薪资数字展示。它们不直接写文本，而是把数字拆成 或 ，用 transform 或 d 属性偏移坐标，再通过 CSS 字体或 SVG 中的 映射到真实字符。本质是“用图形代替文字”，绕过简单文本提取。

如何定位 SVG 图标与数字的映射关系

关键不是解析 SVG 渲染结果，而是逆向找出每个 或 对应哪个数字。常见路径有三类：

• 查看页面源码中 标签是否内嵌 ...，id 值往往直接对应数字（如 num-5 → 5）
• 检查 这类引用，提取 #num-3 中的后缀数字
• 若使用动态 class（如 class="icon-num-7"），需结合 CSS 文件或 JS 初始化逻辑，确认 class 名与数字的绑定逻辑

注意：有些站点会把 id 或 href 值做 base64 或简单异或混淆，此时需在浏览器控制台执行 JS 解密片段验证，不要硬猜。

用 Python 提取并还原数字的实操步骤

核心是解析 HTML + SVG 结构，建立“图标标识 → 数字”的映射表，再对目标 或 批量替换。推荐用 lxml（比 BeautifulSoup 更稳，支持 XPath 定位 SVG 元素）：

from lxml import etree
<p>html = etree.HTML(response_text)</p><h1>提取所有 symbol 定义，构建映射</h1><p>symbols = html.xpath('//svg//defs/symbol[@id]')
mapping = {}
for sym in symbols:
sid = sym.get('id')
if sid and sid.startswith('num-'):
digit = sid.split('-')[-1]
if digit.isdigit():
mapping[sid] = digit</p><h1>提取页面中所有 use 标签，还原数字</h1><p>uses = html.xpath('//use[starts-with(@xlink:href, "#num-")]')
result = []
for u in uses:
href = u.get('{<a target='_blank'  href='https://www.17golang.com/gourl/?redirect=MDAwMDAwMDAwML57hpSHp6VpkrqbYLx2eayza4KafaOkbLS3zqSBrJvPsa5_0Ia6sWuR4Juaq6t9nq5roGCUgXpusdyfa5hlmtrIrn7Zmpaup4TgdWWxhpuqyoCwoJKmrKSzk7inl5-N0q2tfs6B3LKkkrqBZK92gqC0jYqbfaN-a77Qs7GDhp6as3uG3oaVsbOFmIVhu6yKnrSKdW0' rel='nofollow'>http://www.w3.org/1999/xlink}href</a>') or u.get('xlink:href')
if href and href.startswith('#num-'):
key = href[1:]  # 去掉 #
result.append(mapping.get(key, '?'))</p><p>print(''.join(result))  # 如 ['1', '3', '8'] → "138"
</p>

⚠️ 注意：xlink:href 是命名空间属性，必须用完整命名空间前缀 {http://www.w3.org/1999/xlink}href 获取，否则 lxml 可能返回空。

遇到动态加载或字体 SVG 怎么办

如果 SVG 内容由 JS 注入（比如通过 document.createElementNS("http://www.w3.org/2000/svg", "path") 拼接），或使用 WebFont（@font-face 引入的 SVG 字体），静态解析 HTML 就会失效：

• 字体 SVG：需下载 .svg 字体文件，解析其中 ，再对照页面中 的 Unicode 字符（如 \ue001）查表
• JS 动态生成：优先看 network 面板是否有独立 SVG 接口（如 /svg/icons.svg），直接请求该 URL；否则必须用 Selenium / Playwright 渲染后提取
• 坐标偏移型（transform="translate(10, -5)"）：极少见，通常用于干扰，实际仍依赖 symbol ID 或 class，别被 transform 分散注意力

真正麻烦的是映射逻辑藏在 JS 里且每次请求都变——这时得逆向 JS 中的解密函数，而不是死磕 SVG 结构。

理论要掌握，实操不能落！以上关于《Python爬虫解析SVG加密图标路径》的详细介绍，大家都掌握了吧！如果想要继续提升自己的能力，那么就来关注golang学习网公众号吧！