文章首发个人微信公众号及博客：http://zmister.com/archives/269.html
欢迎访问个人博客：http://zmister.com 查看更多Python应用文章
欢迎关注个人微信公众号：州的先生 及时交流讨论
1、问题来源
在数据采集过程中，经常有需要采集各种联系方式，其中就包括电子邮箱地址。一些毫不设防的网站的电子邮件地址可以直接从网页源码中获取到，而一些稍微有点防备爬虫意识的网站会将电子邮箱中的@符号替换为#号：
最近工作中，遇到一种之前从未遇到过的电子邮箱加密方式。在审查元素的时候能够获取到正确的数据：
查看网页源码的时候，也能够定位到相应的元素：
但是从上图中，可以发现，其对应于显示电子邮箱的位置，显示的是一个“[email protected]”的链接，我们查看一下源码：
这个显示电子邮箱的字段与显示其他文字的结构不一样，如果是非电子邮箱数据，则没有a链接；如果是电子邮箱数据，那么则是通过这个a链接在网页前端中显示出数据。
2、解决方法
通过一番搜索，在百度知道中发现了其原理和解决思路：
只是简单的异或运算加密，解密起来并不困难。
3、Python实现
通过这位大神的解决思路，我们可以很快速地使用Python写一个解密电子邮箱的函数。
首先提取出真实邮箱地址的加密数据：
处于隐私考虑，在此使用百度知道上公开的电子邮箱的加密字符串
import re
from urllib.parse import unquote
email_str = '71121003141403311a140210051e5f121e1c'
然后将这个加密数据两两分割为一个列表：
email_list = re.findall(r'.{2}',email_str)
提取出加密字符串的密钥，即字符串的前两个字符：
key = email_list[0]
定义一个空列表，用于存储十六进制异或运算的结果：
ll = []
对剩余的加密字符串进行遍历，在遍历中与密钥进行异或运算，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)
接着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','%'))
这样，email的值就是加密字符串的真实电子邮箱地址：
是不是很简单？
网友评论