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方案，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）：

            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） 

            //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：

from fontTools.ttLib import TTFont
font = 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;

        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。