前言

以往爬蟲沒怎么研究過(guò)，最近有個(gè)需求，要從某網(wǎng)站采集敏感信息，稍稍考慮了一下，決定利用C# Winform和Python一起來(lái)解決這個(gè)事件。

整個(gè)解決方案不復(fù)雜：C#編寫WinForm窗體，進(jìn)行數(shù)據(jù)分析和采集, Python本來(lái)不想用的，一下子沒找到C#下Woff字體轉(zhuǎn)Xml的方案，而網(wǎng)上Python的則有很多，所以就加了一個(gè)Python項(xiàng)目，雖然就1個(gè)腳本。

一、幾個(gè)步驟：

首先要模擬登錄，登錄完了進(jìn)入簡(jiǎn)歷采集，然后模擬下載，下載完了以后就可以看到求職者的電話了。

這個(gè)電話號(hào)碼是使用動(dòng)態(tài)生成的Base64字體，所以直接提取文字是無(wú)法成功的。

1、先將Base64轉(zhuǎn)成Woff字體，這個(gè)可以用C#完成（這其中的iso-8859-1編碼是個(gè)坑，一般用Default會(huì)出現(xiàn)驚喜）：

SetMainStatus("正在生成WOFF...");
   byte[] fontBytes = Convert.FromBase64String(CurFont);
   string fontStr = Encoding.GetEncoding("iso-8859-1").GetString(fontBytes).TrimEnd('\0');
   StreamWriter sw2 = new StreamWriter(@"R58.woff", false, Encoding.GetEncoding("iso-8859-1"));
   sw2.Write(fontStr);
   sw2.Close();

2、再將已經(jīng)生成的Woff轉(zhuǎn)成XML（WoffDec.exe是我用Python打包的Exe,其實(shí)有點(diǎn)小題大做了，為了這一個(gè)轉(zhuǎn)化專門打了一個(gè)包，有時(shí)間還是整一個(gè)C#下面的好）

//調(diào)用python exe 生成xml文件
   ProcessStartInfo info = new ProcessStartInfo
   {
    FileName = "WoffDec.exe",
    WindowStyle = ProcessWindowStyle.Hidden
   };
   Process.Start(info).WaitForExit(2000);//在2秒內(nèi)等待返回

整個(gè)WoffDec.py的代碼就3行：

from fontTools.ttLib import TTFont
font = TTFont('R12.woff')
font.saveXML('R12.xml')

這個(gè)打包是有點(diǎn)意思的，先試了py2exe，不成功，換pyinstaller, 成了，連EXE一起有11M，也不是很大。

https://github.com/pyinstaller/pyinstaller 下載 或者 本地下載 ，或者在VS2017 Python環(huán)境下搜索PyInstaller直接安裝。

右鍵使用“打開此處的命令提示符”；輸入pyinstaller /path/to/yourscript.py即可打包成一個(gè)exe文件。在Winform應(yīng)用調(diào)用時(shí)，應(yīng)該整個(gè)文件夾都拷貝過(guò)去。

3、XML文件有了以后，以上面的Woff文件為基準(zhǔn)準(zhǔn)備為一個(gè)數(shù)據(jù)字典存儲(chǔ)起來(lái)（這個(gè)地方有點(diǎn)繞，先找一個(gè)網(wǎng)站把Woff顯示成文字和編碼，然后根據(jù)編碼在XML中查找它的字體定位點(diǎn)，我取的X和Y組成唯一值（X，Y就代表一個(gè)字），當(dāng)然也可以取更多;

internal static readonly Dictionary<string, string> DicChar = new Dictionary<string, string>()
  {
   {"91,744","0" },
   {"570,0","1"},
   {"853,1143","2" },
   {"143,259","3" },
   。。。。。。
  };

4、上面這一步是要花點(diǎn)時(shí)間的，基準(zhǔn)字典有了以后，就可以按每次生成的XML文件來(lái)進(jìn)行匹配真實(shí)文字了。

5、真實(shí)文字取出后面的就簡(jiǎn)單了，直接采集到數(shù)據(jù)庫(kù)，再連上短信發(fā)送業(yè)務(wù)，就可以自動(dòng)群發(fā)了。

二、使用場(chǎng)景

上班后開啟采集服務(wù)即不用再理會(huì)，由系統(tǒng)每間隔一段時(shí)間自動(dòng)下載簡(jiǎn)歷，并自動(dòng)推送面試邀請(qǐng)短信。只要有新人發(fā)布對(duì)口的求職信息，系統(tǒng)就會(huì)馬上給他發(fā)送邀請(qǐng)，實(shí)為搶人利器。

BTW：網(wǎng)頁(yè)模擬操作使用的CEFSharp將另開一章。

總結(jié)

以上就是這篇文章的全部?jī)?nèi)容了，希望本文的內(nèi)容對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，謝謝大家對(duì)我們的支持。