窗外是成都七月的闷热，空调外机嗡嗡作响，像是我脑子里那根绷紧的弦。32岁，坐在这个租来的小办公室里，我盯着屏幕上企查查那个“联系电话”字段，它显示着一堆乱码似的字符。不是数字，是些“”之类的玩意儿。我知道，猎物就在那里，全城中小企业的老板、财务负责人的手机号，就藏在这堆鬼画符后面。
买数据？别开玩笑了。一份号称“精准”的本地企业名录敢要价五位数，到手一看，联系人还是三年前离职的那位。做ToB服务，第一步就是拿到足够多、足够鲜活的Leads，把销售漏斗的顶端撑大。没有这个，后续的转化、成交都是空中楼阁。我决定自己来。丰衣足食？不，是虎口夺食。
字体反爬。这四个字在2017年已经不算新鲜，但真正动手去破解，尤其是针对企查查、58同城这类把反爬做到极致的平台，完全是另一回事。它们用的不是简单的CSS Sprite偏移，而是动态生成的Web字体文件。每次刷新页面，那个联系方式的“类名”可能不变，但背后映射的字体文件（通常是woff或ttf）的URL会变，字体文件中每个字符的轮廓坐标（glyph）对应的编码也会变。简单说，你这次抓到的“”对应数字“1”，下次刷新，“”可能就对应“8”了。
我花了整整两天，就卡在第一步：怎么把那个动态字体文件下载下来并解析。浏览器里看着是清晰的数字，查看网页源代码却是一团乱码。F12打开开发者工具，在网络请求里翻找，终于锁定了那个字体文件请求。用Python的requests模拟下来，发现需要处理一堆cookie和referer验证，不然直接403。这还只是门票。
接下来是逆向。下载下来的woff文件，需要用fontTools这样的库去解析，提取每个字符的轮廓信息。但关键不是轮廓，是字符编码（通常是Unicode码点）和实际显示内容之间的映射关系。平台方不会傻到用顺序编码，它们会打乱。我的思路是，在内存中“渲染”这个字体，生成一个字符到实际形状的映射表。但怎么知道“”这个形状就是数字“1”呢？我需要一个参照物。
我在页面上找到了一个突破口。有些非关键信息，比如企业注册资本，它们用的可能是另一套字体，或者没有加密。又或者，页面某个角落会不经意地露出几个明文数字。我就用这几个稀有的明文数字作为“种子”，去和加密字体的形状做对比。写了个脚本，把字体文件解析后，用PIL库把每个字符画成小图片，然后去和种子数字的图片做像素级对比。匹配度最高的，就认为是同一个数字。这个过程极其耗资源，而且第一次跑，匹配错了两个，导致后面解析出的电话全是乱的。
那种抓狂感……就像你拿着一把钥匙，却怎么也插不进锁孔，因为你不知道锁芯是不是被换了。我对着屏幕骂娘，把键盘推得老远。抽了半包烟，看着代码里那坨对比算法，突然想到，我为什么非要自己“认”形状？我可以用OCR啊。虽然有点杀鸡用牛刀，但思路一下子打开了。我把字体文件里所有字符渲染成图片，然后用tesseract去识别。果然，大部分数字和字母都被正确识别出来了。剩下的少数几个，再用手工映射补全。
当映射表建立起来的那一刻，感觉像打通了任督二脉。我写了一个解析函数，把页面抓取到的乱码字符串传进去，它咔咔几下，就吐出了一串真实的数字。第一个成功解析出的手机号出现在屏幕上时，我手都有点抖。那不是一串数字，那是一扇门，门后是潜在的客户，是生意，是活路。
我立刻把脚本部署到服务器，开始批量跑。目标很明确：成都，高新区、武侯区、金牛区……所有在企查查上能搜到的、行业符合我目标（本地生活服务、中小企业）的公司。脚本自动翻页，自动解析，自动去重，把公司名称、地址、解析出的联系电话（主要是手机）存进数据库。我设置好就回去睡觉了，其实根本睡不着。
第二天早上六点就醒了，第一件事就是远程连上服务器看日志。爬虫还在稳定运行，没有触发明显的反爬封锁（我做了随机延迟和代理IP池）。查了一下数据库记录，已经有一万两千多条。我随机抽了几条，用手机拨了过去。
“喂，您好，请问是XX公司的王总吗？”
“是我，你哪位？”
“抱歉打扰了，我是……”我随便编了个由头挂断了。
通了。是真的。那一瞬间的震撼，难以言表。不是兴奋，更像是一种巨大的、沉甸甸的实感。屏幕上的数字不再是数据，它们连接着一个个真实的人，在城市的各个角落经营着自己的生意。而我这台冰冷的服务器，一晚上就“扫”出了上万个这样的连接点。
这哪里是数据，这就是金矿。是我下半年所有业务尝试的弹药库。销售漏斗最顶端的那层，被我暴力地、用技术手段撕开了一个大口子。我知道这种做法游走在灰色边缘，但当时那种“没有我拿不到的数据”的狂妄，压过了一切顾虑。技术给了我一把钥匙，而我用它打开了一座宝库的门，至于门后的东西该怎么用，那是下一步的事了。
窗外天已大亮，蝉鸣开始聒噪。我关掉数据库的查询界面，给自己冲了杯浓咖啡。名单有了，战争，才刚刚开始。
