最新版本:使用C# CefSharp Python采集某网站简历并且自动发送

　　最新版本:使用C# CefSharp Python采集某网站简历并且自动发送

　　前言 过去对爬虫的研究不多。 最近需要采集某网站的敏感信息。 稍微考虑一下，我决定用C#Winform和Python来解决这个事件。整个解决方案并不复杂：C#写WinForm窗体，执行

　　前言

　　过去我没有对爬虫做过太多研究。 最近，我有一个需要从某个网站采集敏感信息。 稍微考虑一下，我决定用C#Winform和Python来解决这个事件。

　　整个解决方案并不复杂：C#编写WinForm窗体进行数据分析和采集。 一开始不想用Python，后来找不到C#下Woff字体转Xml的方案。 网上有很多Python的，所以我加了一个Python工程，虽然只有一个脚本。

　　1.几个步骤：

　　首先，您需要模拟登录。 登录后进入简历采集，然后模拟下载。 下载完成后，可以看到求职者的电话号码。

　　此电话号码使用动态生成的 Base64 字体，因此无法直接提取文本。

　　1、先把Base64转成Woff字体，用C#就可以完成（iso-8859-1编码是个坑，一般用Default会有惊喜）：

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.然后将生成的Woff转成XML（WoffDec.exe是我用Python打包的一个Exe，其实有点小题大做，我专门为这个转换做了一个包，有时间的话还是用下面的整个 C#）

//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 的代码只有 3 行：

from fontTools.ttLib import TTFont

font = TTFont('R12.woff')

font.saveXML('R12.xml')

　　这个包装有点意思。 我先尝试了py2exe，但是没有成功。 我改成pyinstaller，成功了。 连EXE也有11M，不算大。

　　下载或者下载到本地，或者在VS2017 Python环境中搜索PyInstaller直接安装。

　　右键单击并使用“在此处打开命令提示符”； 输入pyinstaller /path/to/yourscript.py 打包成exe文件。 当 Winform 应用程序调用时，应复制整个文件夹。

　　3、XML文件有了之后，准备根据上面的Woff文件存为数据字典（这个地方有点乱，先找个网站把Woff显示成文字和代码，然后在里面搜索它的字体XML根据代码定位点，我取X和Y组成一个唯一值（X，Y代表一个词），当然你也可以取更多；

internal static readonly Dictionary DicChar = new Dictionary()

{

{"91,744","0" },

{"570,0","1"},

{"853,1143","2" },

{"143,259","3" },

。。。。。。

};

　　4.以上步骤需要一些时间。 基准词典可用后，您可以根据每次生成的XML文件匹配真实文本。

　　5、很容易把真文拿出来，直接采集到数据库，然后连接短信发送服务，就可以自动分组发送了。

　　2.使用场景

　　下班后开启采集服务后，就不用再操心了。 系统会定时自动下载简历并自动推送面试邀请短信。 新人只要发布相应的求职信息，系统就会立即向他发出邀请，真是抢人利器。

　　BTW：网页模拟运行使用的CEFSharp另开一章。

　　总结

　　以上就是文章的全部内容。 希望本文的内容对您的学习或工作有一定的参考价值。 感谢您对易盾网络的支持。

　　汇总:新浪滚动新闻的json数据获取页面

　　新浪新闻采集程序天语版本更新日志：v1.21，修复首页和文章页错误！ 新浪滚动新闻采集程序天语版介绍 新浪新闻采集程序天语版是用php开发的，可以自动采集新浪新闻。 占用空间小，建站成本低。 无需等待，即刻拥有海量网站数据； 免更新免维护，易管理，易操作，实现全站后台管理自动采集； 实现内容页面URL路径伪静态功能，让各大搜索引擎的收录更加友好； 新浪滚动新闻采集程序天语版特点： 1.关键词内链VIP2。 内容过滤VIP3。 伪原创词汇VIP4。 模板独立性（支持自己写模板） 5.支持自定义路径伪静态（更好的搜索引擎亲和力）【无组件支持伪静态】 6.增加强大的缓存功能（大大减少UPU资源占用） 7.增加蜘蛛访问记录（实时查看各大搜索引擎蜘蛛对网站的抓取动态） 8.增加免费评论功能 9.增加手机版VIP（自动识别手机和PC访问切换） 10.自动采集百度搜索相关关键词（非常有利于SEO）后台登录admin/账号密码为admin upload 后请及时更改后台登录路径（重命名admin文件夹）。 请期待后续更新。 . .广告不是一成不变的。 客户也可以直接在模板中添加广告代码。 模板位置：/ 采集 /default/带m的为移动版新浪滚动新闻采集程序天宇版首页模板admin/账号密码均为admin后台页面相关阅读同类推荐：站长常用源码