字体反爬（queryTTF / queryTTFByName）

部分小说网站使用自定义 TTF 字体混淆字符来防止爬取：页面 HTML 里存放的不是真实汉字，而是私有区字符（如 \uE000），网站通过自定义字体把这些字符渲染成真实文字。爬虫直接读 HTML 只能得到乱码，必须先解析字体才能还原。

Tauri 引擎提供两种还原策略，对应不同强度的混淆手法。

混淆强度与推荐策略

混淆强度	特征	推荐函数	原理
低强度	字形名为 uni6211 格式，名称直接暴露真实码点	queryTTFByName	解析 glyph 名称中的 uniXXXX
高强度	字形名混淆（如 glyph001），名称无法直接利用	queryTTF	对比字形轮廓路径哈希

实践建议：优先尝试 queryTTFByName，若返回空映射再 fallback 到 queryTTF。 绝大多数国内小说站使用低强度混淆，queryTTFByName 速度更快、结果更可靠。

API 一览

函数	说明
legado.queryTTFByName(base64)	glyph-name 法解析字体，适用于低强度混淆
legado.queryTTFByNameSync(base64)	同上别名
legado.queryTTF(base64)	路径哈希法解析字体，适用于高强度混淆
legado.queryTTFSync(base64)	同上别名
legado.http.getBinary(url, headers?)	同步下载二进制文件，返回 base64（用于下载字体文件）
legado.http.getBinarySync(url, headers?)	同上别名

关于 Sync 后缀：同一对函数行为完全相同，Sync 后缀仅表示"HarmonyOS 端不可用"。

函数签名

// base64 编码的字体文件数据（TTF/OTF/WOFF2 均可）
legado.queryTTFByName(base64FontData: string): string
legado.queryTTF(base64FontData: string): string

// 返回 JSON 字符串，格式：{ "假字符": "真字符", ... }
// 例如：{ "\uE000": "我", "\uE001": "爱", "\uE002": "你" }

解析失败时抛出异常（如 base64 损坏、文件不是有效字体格式）。

工作原理

低强度混淆（queryTTFByName）

字体文件内部有一张 cmap 表，记录"Unicode 码点 → 字形 ID"，每个字形还有一个名称（来自 post 表）。

低强度混淆只是把码点映射到了别处，但字形名仍然是 uni6211 这样的格式，其中 6211 就是真实汉字"我"（0x6211）的 Unicode 码点：

cmap: 0xE000 → glyph#42
post: glyph#42 → "uni6211"
解析: 0x6211 → '我'
结果: { "\uE000": "我" }

等效 Python 代码（fontTools 方案）：

from fontTools.ttLib import TTFont
font = TTFont("font.ttf")
cmap = font.getBestCmap()
decode_map = {}
for ext_cp, glyph_name in cmap.items():
    import re
    m = re.match(r'uni([0-9A-Fa-f]{4})', glyph_name)
    if m:
        decode_map[ext_cp] = chr(int(m.group(1), 16))

高强度混淆（queryTTF）

字形名被替换成随机字符串（如 glyph00042），无法直接读取，需要对比字形的轮廓路径：

1. 扫描字体 cmap，取出所有码点和对应字形
2. 对每个字形计算"路径哈希"（将轮廓坐标量化到 256×256 网格后 FNV-1a 哈希）
3. 路径哈希相同 → 两个字形"长一样"→ 如果其中一个是已知标准汉字，则另一个就是它的混淆替身

使用示例

基础：下载字体 + 还原文本

// 1. 下载章节页面
const html = await legado.http.get(chapterUrl);

// 2. 从页面中提取字体 URL（具体正则依站点而定）
const fontUrl = html.match(/src: url\('([^']+\.ttf)'\)/)?.[1];
if (!fontUrl) throw new Error("未找到字体文件");

// 3. 下载字体（二进制 → base64）
const fontB64 = legado.http.getBinary(fontUrl);

// 4. 优先尝试 glyph-name 法（低强度）
let map = JSON.parse(legado.queryTTFByName(fontB64));

// 5. 若空映射则 fallback 路径哈希法（高强度）
if (Object.keys(map).length === 0) {
  map = JSON.parse(legado.queryTTF(fontB64));
}

// 6. 提取并还原章节文本
const encoded = /* DOM 提取的乱码文本 */;
const decoded = encoded.replace(/[\u0000-\uffff]/g, c => map[c] || c);

进阶：缓存字体映射（避免重复下载）

同一章节页往往多次复用同一字体文件：

let _fontCache = {};

async function getFontMap(fontUrl) {
  if (_fontCache[fontUrl]) return _fontCache[fontUrl];
  const fontB64 = legado.http.getBinary(fontUrl);
  let map = JSON.parse(legado.queryTTFByName(fontB64));
  if (Object.keys(map).length === 0) {
    map = JSON.parse(legado.queryTTF(fontB64));
  }
  _fontCache[fontUrl] = map;
  return map;
}

进阶：仅替换 CJK 范围

有些站点只混淆了 CJK 汉字，英文数字保持原样，可缩窄替换范围：

const decoded = encoded.replace(
  /[\u4e00-\u9fff\ue000-\uf8ff]/g,
  (c) => map[c] || c,
);

Android 书源兼容

compat 层自动代理旧 Android 书源的字体 API，无需修改书源代码：

旧 Android API	Tauri 等效操作
java.queryTTF(url)	下载字体 → queryTTFByName → fallback queryTTF
java.queryBase64TTF(b64)	直接 queryTTFByName → fallback queryTTF
java.replaceFont(html)	对 HTML 中 CJK 字符逐个查表替换

compat 层还会把映射结果存入 _G.lastTTF，java.replaceFont 调用时自动复用上次解析的映射。

注意事项

• 输入必须是 base64 编码的字体字节数据，不是字体文件 URL。下载字体用 legado.http.getBinary(url)。
• 支持 TTF、OTF、WOFF（内嵌 TTF/CFF）格式；WOFF2 需要先解压，目前直接传入 WOFF2 可能解析失败。
• queryTTF（路径哈希法）对于空字形（如空格）会跳过，不会产生误映射。
• 两个函数都仅映射非标准字符 → 标准字符，不会把正常汉字映射到其他字符。