网页抓取 加密html(Python实现通过这位大神的解决思路写一个解密电子邮箱的函数)

　　网页抓取 加密html(Python实现通过这位大神的解决思路写一个解密电子邮箱的函数)

　　1、问题的根源

　　在数据采集的过程中，经常需要采集各种*敏*感*词*，包括邮箱地址。一些毫无戒心的网站的邮件地址可以直接从网页的源码中获取，而一些对爬虫稍微了解一点的网站会替换@使用 # 号登录电子邮件：

　　在我最近的工作中，我遇到了一种以前从未遇到过的电子邮件加密方法。检查元素时可以获得正确的数据：

　　在查看网页源代码时，也可以定位到对应的元素：

　　但是从上图可以发现，它对应的是显示邮箱地址的位置，并显示了一个“[email protected]”的链接。让我们检查源代码：

　　此显示电子邮件地址的字段不同于显示其他文本的结构。如果是非email邮箱数据，则没有链接；如果是email地址数据，则通过这个链接将数据显示在网页的前端。

　　2、解决办法

　　经过一番搜索，我在百度知道找到了它的原理和解决方法：

　　只是简单的异或运算加密，解密也不难。

　　3、Python 实现

　　通过这位大神的解决方案，我们可以快速使用Python编写一个解密邮件地址的函数。

　　首先提取真实邮箱地址的加密数据：

　　出于隐私原因，此处使用百度知道上发布的电子邮件地址的加密字符串。

　　import re

from urllib.parse import unquote

email_str = '71121003141403311a140210051e5f121e1c'复制代码

　　然后将这些加密数据分成两个两个列表：

　　email_list = re.findall(r'.{2}',email_str)复制代码

　　提取加密字符串的密钥，字符串的前两个字符：

　　key = email_list[0]复制代码

　　定义一个空列表来存储十六进制异或运算的结果：

　　ll = []复制代码

　　遍历剩余的加密字符串，与遍历的密钥进行异或，并将结果添加到 ll 列表中：

　　for e in email_list[1:]:

# 对十六进制进行异或运算

r = hex(int(key,16) ^ int(e,16))

ll.append(r)复制代码

　　然后对列表中的结果进行字符串拼接和替换：

　　# 拼接运算后的字符串

a = ''.join(ll)

# URL解码字符串

email = unquote(a.replace('0x','%'))复制代码

　　因此，email 的值是加密字符串的真实电子邮件地址：

　　是不是很简单？

　　文章第一个个人微信公众号和博客：/archives/269.html

　　欢迎来到我的个人博客：查看更多Python应用文章