CANVAS = (512, 512) BGCOLOR = 255 # white FGCOLOR = 0 # black

— SVG -> raster —

def rasterize_svg_path(path_d: str, canvas=CANVAS) -> Image.Image:

Build a minimal SVG document; rely on CAIRO for correct path handling

svg = f’‘’‘’’ png_bytes = cairosvg.svg2png(bytestring=svg.encode(‘utf-8’)) img = Image.open(io.BytesIO(png_bytes)).convert(‘L’) return img

— Perceptual hash —

def phash_img(img: Image.Image) -> str:

Normalize to grayscale and fixed size

img = ImageOps.grayscale(img).resize((128, 128), Image.LANCZOS) return str(imagehash.phash(img))

— Reference atlas from TTF —

def render_char(candidate: str, ttf_path: str, canvas=CANVAS, size=420) -> Image.Image:

Render centered text on same canvas to approximate glyph shapes

font = ImageFont.truetype(ttf_path, size=size) img = Image.new(‘L’, canvas, color=BGCOLOR) draw = ImageDraw.Draw(img) w, h = draw.textbbox((0,0), candidate, font=font)[2:] dx = (canvas[0]-w)//2 dy = (canvas[1]-h)//2 draw.text((dx, dy), candidate, fill=FGCOLOR, font=font) return img

— Build atlases for variants —

FONT_VARIANTS = { ‘normal’: ‘/path/to/Bookerly-Regular.ttf’, ‘italic’: ‘/path/to/Bookerly-Italic.ttf’, ‘bold’: ‘/path/to/Bookerly-Bold.ttf’, ‘bolditalic’:‘/path/to/Bookerly-BoldItalic.ttf’, } CANDIDATES = [ *[chr(c) for c in range(0x20, 0x7F)], # basic ASCII ‘–’, ‘—’, ‘“’, ‘”’, ‘‘’, ‘’’, ‘•’, # common punctuation ‘ff’,‘fi’,‘fl’,‘ffi’,‘ffl’ # ligatures ]

def build_atlases(): atlases = {} # variant -> list[(char, img)] for variant, ttf in FONT_VARIANTS.items(): out = [] for ch in CANDIDATES: img = render_char(ch, ttf) out.append((ch, img)) atlases[variant] = out return atlases

— SSIM match —

def best_match(img: Image.Image, atlases) -> tuple[str, float, str]:

Returns (char, score, variant)

img_n = ImageOps.grayscale(img).resize((128,128), Image.LANCZOS) img_n = ImageOps.autocontrast(img_n) best = (‘’, -1.0, ‘’) import numpy as np candA = np.array(img_n) for variant, entries in atlases.items(): for ch, ref in entries: ref_n = ImageOps.grayscale(ref).resize((128,128), Image.LANCZOS) ref_n = ImageOps.autocontrast(ref_n) candB = np.array(ref_n) score = ssim(candA, candB) if score > best[1]: best = (ch, score, variant) return best

— Putting it together for one TAR batch —

def process_tar(tar_path: str, cache: dict, atlases) -> list[dict]:

cache: perceptual-hash -> mapping

out_runs = [] with tarfile.open(tar_path, ‘r:*’) as tf: glyphs = json.load(tf.extractfile(‘glyphs.json’))

page_data_0_4.json may differ in name; list members to find it

pd_name = next(m.name for m in tf.getmembers() if m.name.startswith(‘page_data_’)) page_data = json.load(tf.extractfile(pd_name))

1. Rasterize + hash all glyphs for this batch

id2hash = {} for gid, meta in glyphs.items(): img = rasterize_svg_path(meta[‘path’]) h = phash_img(img) id2hash[int(gid)] = (h, img)

2. Ensure all hashes are resolved to characters in cache

for h, img in {v[0]: v[1] for v in id2hash.values()}.items(): if h not in cache: ch, score, variant = best_match(img, atlases) cache[h] = { ‘char’: ch, ‘score’: float(score), ‘variant’: variant }

3. Decode text runs

for run in page_data: if run.get(‘type’) != ‘TextRun’: continue decoded = [] for gid in run[‘glyphs’]: h, _ = id2hash[gid] decoded.append(cache[h][‘char’]) run_out = { ‘text’: ‘’.join(decoded), ‘rect’: run.get(‘rect’), ‘fontStyle’: run.get(‘fontStyle’), ‘fontWeight’: run.get(‘fontWeight’), ‘fontSize’: run.get(‘fontSize’), } out_runs.append(run_out) return out_runs

Usage sketch:

atlases = build_atlases()

cache =

for tar in sorted(glob(‘batches/*.tar’)):

runs = process_tar(tar, cache, atlases)

# accumulate runs for layout reconstruction → EPUB/HTML

</details>

## レイアウト/EPUB 再構築のヒューリスティクス

- 段落区切り: 次のランの top Y が前の行のベースラインを（フォントサイズに対する閾値を越えて）超える場合、新しい段落を開始する。
- 配置: 左揃えの段落は類似した left X ごとにグループ化する；中央揃えの行は左右のマージンが対称であることで検出する；右揃えは右端で検出する。
- スタイリング: 斜体/太字は `fontStyle`/`fontWeight` で保持する；見出しと本文を近似するために `fontSize` のバケットで CSS クラスを変える。
- リンク: ランにリンクメタデータ（例：`positionId`）が含まれる場合、アンカーと内部 href を出力する。

## SVG のアンチスクレイピング用パスのトリック緩和

- `fill-rule: nonzero` の塗りつぶしパスと適切なレンダラー（CairoSVG, resvg）を使う。パストークンの正規化に依存しないこと。
- ストロークレンダリングは避ける；マイクロな相対移動で生じるヘアライン状のアーティファクトを回避するため、塗りつぶしソリッドに注力する。
- レンダリングごとに viewBox を安定させ、同一形状がバッチ間で一貫してラスタライズされるようにする。

## パフォーマンスに関する注意点

- 実際には、書籍は数百のユニークなグリフに収束する（例：合字を含めて約361）。知覚ハッシュで SSIM 結果をキャッシュする。
- 最初の発見後は、以降のバッチは既知のハッシュを再利用することが多く、デコーディングは I/O ボトルネックになる。
- 平均 SSIM ≈0.95 は強いシグナルであり、スコアが低い一致は手動レビューのためにフラグを立てることを検討する。

## 他のビューアへの一般化

以下を満たす任意のシステム：

- リクエストスコープの数値 ID を持つ位置付きグリフランを返す
- リクエストごとのベクトルグリフ（SVG パスやサブセットフォント）を送る
- 一度のリクエストで取得できるページ数を制限して大量エクスポートを防ぐ

…は同じ正規化で処理できる：

- リクエストごとのシェイプをラスタライズ → 知覚ハッシュ → シェイプ ID
- フォントバリアントごとの候補グリフ/合字のアトラス
- 文字割り当てには SSIM（または類似の知覚メトリクス）を使用
- ランの矩形/スタイルからレイアウトを再構築する

## 最小限の取得例（スケッチ）

ブラウザの DevTools を使って、リーダーが `/renderer/render` をリクエストする際に使用する正確なヘッダ、クッキー、トークンをキャプチャする。次に、それらをスクリプトや curl から再現する。例の概要：
```bash
curl 'https://read.amazon.com/renderer/render' \
-H 'Cookie: session-id=...; at-main=...; sess-at-main=...' \
-H 'x-adp-session: <ADP_SESSION_TOKEN>' \
-H 'authorization: Bearer <RENDERING_TOKEN_FROM_startReading>' \
-H 'User-Agent: <copy from browser>' \
-H 'Accept: application/x-tar' \
--compressed --output batch_000.tar

Adjust parameterization (book ASIN, page window, viewport) to match the reader’s requests. Expect a 5-page-per-request cap.

達成可能な結果

• perceptual hashing によって、100以上のランダム化されたアルファベットを単一のグリフ空間に集約
• アトラスに ligatures と variants を含めると、平均 SSIM ≈ 0.95 でユニークな glyph を100%マッピング
• 再構築された EPUB/HTML は視覚的に元と区別がつかない

参考資料

• Kindle Web DRM: Breaking Randomized SVG Glyph Obfuscation with Raster Hashing + SSIM (Pixelmelt blog)
• CairoSVG – SVG to PNG renderer
• imagehash – Perceptual image hashing (pHash)
• scikit-image – Structural Similarity Index (SSIM)

Tip

AWSハッキングを学び、実践する：HackTricks Training AWS Red Team Expert (ARTE)
GCPハッキングを学び、実践する：HackTricks Training GCP Red Team Expert (GRTE) Azureハッキングを学び、実践する：HackTricks Training Azure Red Team Expert (AzRTE)

HackTricksをサポートする

• サブスクリプションプランを確認してください！
• **💬 Discordグループまたはテレグラムグループに参加するか、Twitter 🐦 @hacktricks_liveをフォローしてください。
• HackTricksおよびHackTricks CloudのGitHubリポジトリにPRを提出してハッキングトリックを共有してください。