当前位置：首页 > news >正文

猿人学 — 第1届第4题（解题思路附源码）

news 2025/6/23 13:59:17

猿人学 — 第1届第4题

分析：由响应数据和页面的html可知
- style属性中display为none的img标签在页面上并不显示，为干扰项
- html中img标签的相对顺序不与页面上的数字相对顺序对应
问题1：如何排除干扰项；问题2：如何还原正确的顺序
解决问题1：返回的info中，所有img标签并没有style属性，并且class属性中有一串奇怪的字符；并且请求返回的数据中有key，value，iv貌似还没用到，因此进入js源码中查看
success：可以看到请求成功后，执行了一段代码。大概意思是，若一个标签的class属性中含有j_key字符串内容，则为这个标签添加上display:none，即不显示。对比返回结果和页面数据显示，发现确实如此，因此可扣下相关的代码
解决问题2：可以发现，若left:0，则相对初始位置没有移动；若left:11.5，则代表其相对初始位置向左移动了一个单位；若left:-11.5，则代表其相对初始位置上向右移动了一个单位；并且观察其它的，可发现11.5px为一个基本单位。因此我们在后续的逻辑中，就可以提取img标签style属性中的left值，从而定位它们的初始位置

源码如下:

import re
import execjs
import base64
import ddddocr
import requests
import multiprocessing# 读入并编译js代码用于生成特征信息
with open('v1.js', 'rt', encoding='utf-8') as f:JS_STRING = f.read()
JS_CODE = execjs.compile(JS_STRING)
# 实例化一个DddOcr对象用于识别图片
OCR = ddddocr.DdddOcr(show_ad=False)# 请求page页获取响应信息
def get_data(page):"""请求page页获取响应信息"""res = requests.get(url=f'https://match.yuanrenxue.cn/api/match/4?page={page}',headers={'Referer': 'https://match.yuanrenxue.cn/match/4',# 用你自己的Cookie'Cookie': 'Hm_lvt_c99546cf032aaa5a679230de9a95c7db=1728951512; HMACCOUNT=11F164A33FD6330D; qpfccr=true; no-alert3=true; tk=8258780053392544352; sessionid=9eqltqfxxrf7u6emsd3lajycdae9yg24; Hm_lvt_9bcbda9cbf86757998a2339a0437208e=1728951539; Hm_lpvt_9bcbda9cbf86757998a2339a0437208e=1728961624; Hm_lpvt_c99546cf032aaa5a679230de9a95c7db=1728961660'})if res.status_code != requests.codes.ok:print(f"{page}页数据获取失败")key = res.json()['key']value = res.json()['value']info = res.json()['info']return key, value, infodef display_no(key, value):"""根据请求中返回的key和value调用js代码生成特征信息若这个特征信息存在于img标签中，则该img标签的dispaly为none即不显示"""display_no_string = JS_CODE.call('display_no', key, value)return display_no_stringdef handle_info(info, display_no_string):"""根据info和不显示的img标签的特征信息，提取、筛选、排序和识别图片，返回info所在页的数字和:param info: 请求page页返回的响应中键info对应的值:param display_no_string: 如果在一个img标签中被包含，则说明这个img将不显示"""page_total_value = 0# 每页中有多少个数据即包含多少个td标签td_list = re.findall('<td>.*?</td>', info)for i in range(len(td_list)):# 提取一个td标签中的所有img标签img_list = re.findall('<img.*?>', td_list[i])# 根据特征信息删除不显示的img标签img_list = [x for x in img_list if display_no_string not in x]# 根据style属性中的left值对这几个img标签进行重新排序sort_img_list = [0] * len(img_list)for j in range(len(img_list)):img_string = img_list[j]# 提取img标签中style属性的left值，并计算出其初始位置的下标left = float(re.findall('left:(.*?)px', img_string)[0].strip())position = j + int(left // 11.5)# 只将img标签中的bas464编码信息存入最终的结果列表sort_img_list[position] = re.findall('base64,(.*?)"', img_string)[0]# 利用ddddocr识别图片single_value = ''for j in range(len(sort_img_list)):body = base64.b64decode(sort_img_list[j])code = str(OCR.classification(body))single_value += codepage_total_value += int(single_value)# print(single_value,end=' ')return page_total_valuedef worker(page):try:key, value, info = get_data(page)display_no_string = display_no(key, value)page_total_value = handle_info(info, display_no_string)return page_total_valueexcept Exception as e:return f'Error:{e}'# print(f"第{page}页计算结束")if __name__ == '__main__':# 多进程执行with multiprocessing.Pool(processes=5) as pool:results = pool.map(worker, range(1, 6))total_value = sum(results)print(f"求和：{total_value}")