题目看上去很简单，拿到5页的所有数字算总和就行，来分析一下

看到数字不是文本的形式，而是经过 base64编码的图片形式，有些图片的 style属性中有display: none，表示该图片不予展示，观察 ajax 接口返回的源数据，看到是直接返回 html源码，还有key、value 等字符串，暂时不明确这些的用途

对比渲染前后的html数据，有如下的不同点：

  • img_number 后疑似 md5编码（长度为32）的字符串不见了
  • style 属性多了 display

在这里猜测是根据不同的img_number值来判断该图片节点是否给予展示，因为返回的图片节点数量明显大于网页所展示的数量

直接全局搜 img_number，发现只有一个结果，加断点调试：

到这里逻辑就很清晰了，上面的操作就是：

  1. 把info即 原始html数据赋值给 $('.number')节点，也就是 <tr class="number">

  2. 根据 key 和 value 先进行 base64编码 再进行 MD5加密，计算出 j_key，只要是class值等于j_key的节点，都设置display属性

    hex_md5 即哈希md5算法

  3. 最后就是 removeClass和addClass两个操作，修改 img_number的值

最后一步，要怎么识别出图片中的数字呢？第一个想到的是ocr，但这里不必小题大做，这里只有十个数字，即代表只有十张不同的图片，而图片都是经过base64编码的，相同图片编码出来的结果是一致的，所以只需要设计一张映射表就行

代码整理

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
import requests
import hashlib

from base64 import b64encode
from parsel import Selector


yuanrenxue_headers = {
    "User-Agent": "yuanrenxue.project",
    "sessionid": "6nfyiexiutauob3e0s7jmrxtz8qfy68b",
}


def img_ocr(src):
    """
    根据src后缀识别图像
    """
    if src.endswith("eCAAAAAElFTkSuQmCC"):
        return "0"
    elif src.endswith("HMAAAAAElFTkSuQmCC"):
        return "1"
    elif src.endswith("Dor0g3AH8BJlTqZkAngxQAAAAASUVORK5CYII="):
        return "2"
    elif src.endswith("HzjKAAAAAElFTkSuQmCC"):
        return "3"
    elif src.endswith("QAAAABJRU5ErkJggg=="):
        return "4"
    elif src.endswith("cHAAAAAASUVORK5CYII="):
        return "5"
    elif src.endswith("0YzEyuMQpQAAAAASUVORK5CYII="):
        return "6"
    elif src.endswith("HrJiVs0AAAAAElFTkSuQmCC"):
        return "7"
    elif src.endswith("6cpuRANAAAAAElFTkSuQmCC"):
        return "8"
    elif src.endswith("dVIiAf4ApbEnkB6qHqsAAAAASUVORK5CYII="):
        return "9"
        
def get_real_nums(html, none_key):
    numbers = []
    table = Selector(html)
    fake_css = "img_number " + none_key
    for num, td in enumerate(table.xpath(".//td")):
        num_lst = []
        position = 0
        for img in td.xpath(".//img"):
            img_src = img.xpath("./@src").get()
            img_css = img.xpath("./@class").get()
            
            if img_css != fake_css:
                single_num = img_ocr(img_src)
                offset = img.xpath("./@style").re_first("left:(.+)px")
                num_lst.append(
                    {
                        "score": float(offset) / 11 + position,
                        "single_num": single_num,
                    }
                )
                position += 1
            
        num_lst = sorted(num_lst, key=lambda x: x["score"])
        number = "".join([d["single_num"] for d in num_lst])
        numbers.append(number)
        
    return numbers
    

def main():
    for page in range(1, 6):
        num_url = f"http://match.yuanrenxue.com/api/match/4?page={page}"
        data = requests.get(num_url, headers=yuanrenxue_headers).json()
        info, key, value = data["info"], data["key"], data["value"]
        b64 = b64encode((key + value ).encode()).decode().replace("=", "")
        none_key = hashlib.md5(b64.encode()).hexdigest()
        print(get_real_nums(info, none_key))


if __name__ == "__main__":
    main()

运行结果