前言
以往爬虫没怎么研究过，最近有个需求，要从某网站采集敏感信息，稍稍考虑了一下，决定利用C# Winform和Python一起来解决这个事件。
整个解决方案不复杂：C#编写WinForm窗体，进行数据分析和采集, Python本来不想用的，一下子没找到C#下Woff字体转Xml的方案，而网上Python的则有很多，所以就加了一个Python项目，虽然就1个脚本。
一、几个步骤：
首先要模拟登录，登录完了进入简历采集，然后模拟下载，下载完了以后就可以看到求职者的电话了。
这个电话号码是使用动态生成的Base64字体，所以直接提取文字是无法成功的。
1、先将Base64转成Woff字体，这个可以用C#完成（这其中的iso-8859-1编码是个坑，一般用Default会出现惊喜）：
|
1
2
3
4
5
6
|
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、再将已经生成的Woff转成XML（WoffDec.exe是我用Python打包的Exe,其实有点小题大做了，为了这一个转化专门打了一个包，有时间还是整一个C#下面的好）
|
1
2
3
4
5
6
7
|
//调用python exe 生成xml文件 ProcessStartInfo info = new ProcessStartInfo { FileName = "WoffDec.exe", WindowStyle = ProcessWindowStyle.Hidden }; Process.Start(info).WaitForExit(2000);//在2秒内等待返回 |
整个WoffDec.py的代码就3行：
|
1
2
3
|
from fontTools.ttLib import TTFontfont = TTFont('R12.woff')font.saveXML('R12.xml') |
这个打包是有点意思的，先试了py2exe，不成功，换pyinstaller, 成了，连EXE一起有11M，也不是很大。
https://github.com/pyinstaller/pyinstaller 下载 或者 本地下载 ，或者在VS2017 Python环境下搜索PyInstaller直接安装。
右键使用“打开此处的命令提示符”；输入pyinstaller /path/to/yourscript.py即可打包成一个exe文件。在Winform应用调用时，应该整个文件夹都拷贝过去。
3、XML文件有了以后，以上面的Woff文件为基准准备为一个数据字典存储起来（这个地方有点绕，先找一个网站把Woff显示成文字和编码，然后根据编码在XML中查找它的字体定位点，我取的X和Y组成唯一值（X，Y就代表一个字），当然也可以取更多;
|
1
2
3
4
5
6
7
8
|
internal static readonly Dictionary<string, string> DicChar = new Dictionary<string, string>() { {"91,744","0" }, {"570,0","1"}, {"853,1143","2" }, {"143,259","3" }, 。。。。。。 }; |
4、上面这一步是要花点时间的，基准字典有了以后，就可以按每次生成的XML文件来进行匹配真实文字了。
5、真实文字取出后面的就简单了，直接采集到数据库，再连上短信发送业务，就可以自动群发了。
二、使用场景
上班后开启采集服务即不用再理会，由系统每间隔一段时间自动下载简历，并自动推送面试邀请短信。只要有新人发布对口的求职信息，系统就会马上给他发送邀请，实为抢人利器。
BTW：网页模拟操作使用的CEFSharp将另开一章。
总结
以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对服务器之家的支持。
原文链接：https://www.cnblogs.com/imes/p/10452212.html
