攻防世界-MISC-2-pdf

攻防世界-MISC-2-pdf

题目描述:

pdf

解题过程:

首先我们看题目,可以得到一个信息,我们的答案和图有关,而图在哪呢?
我们可以发现有个附件,我们下载下来发现显示如下:
附件图片
然后图片的下面并不是图片下一行这种的下,而是覆盖关系的下,这块不得不说,作者的脑洞和思维,在下佩服!
最后怎么去掉这个图片呢?
有以下两种:

1、使用pdf转word,这块推荐个在线转换的链接:

https://app.xunjiepdf.com/pdf2word/
结果显示如下:
在这里插入图片描述
看不清楚,我们可以将图片挪走,显示就很清楚了:
在这里插入图片描述

成功拿到flag

2、使用我们的python代码进行获取pdf文件中的text

本机win10、python3

(1)环境
pip install pdfminer3k -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com
pip install pyocr -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com
(2)代码(代码来源网上):

import pyocr
import importlib
import sys
import time
 
importlib.reload(sys)
time1 = time.time()
# print("初始时间为:",time1)
 
import os.path
from pdfminer.pdfparser import  PDFParser,PDFDocument
from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
from pdfminer.converter import PDFPageAggregator
from pdfminer.layout import LTTextBoxHorizontal,LAParams
from pdfminer.pdfinterp import PDFTextExtractionNotAllowed
 
text_path = input('输入解析文件路径:\n')
# text_path = r'photo-words.pdf'
 
def parse():
    '''解析PDF文本,并保存到TXT文件中'''
    fp = open(text_path,'rb')
    #用文件对象创建一个PDF文档分析器
    parser = PDFParser(fp)
    #创建一个PDF文档
    doc = PDFDocument()
    #连接分析器,与文档对象
    parser.set_document(doc)
    doc.set_parser(parser)
 
    #提供初始化密码,如果没有密码,就创建一个空的字符串
    doc.initialize()
 
    #检测文档是否提供txt转换,不提供就忽略
    if not doc.is_extractable:
        raise PDFTextExtractionNotAllowed
    else:
        #创建PDF,资源管理器,来共享资源
        rsrcmgr = PDFResourceManager()
        #创建一个PDF设备对象
        laparams = LAParams()
        device = PDFPageAggregator(rsrcmgr,laparams=laparams)
        #创建一个PDF解释其对象
        interpreter = PDFPageInterpreter(rsrcmgr,device)
 
        #循环遍历列表,每次处理一个page内容
        # doc.get_pages() 获取page列表
        for page in doc.get_pages():
            interpreter.process_page(page)
            #接受该页面的LTPage对象
            layout = device.get_result()
            # 这里layout是一个LTPage对象 里面存放着 这个page解析出的各种对象
            # 一般包括LTTextBox, LTFigure, LTImage, LTTextBoxHorizontal 等等
            # 想要获取文本就获得对象的text属性,
            for x in layout:
                if(isinstance(x,LTTextBoxHorizontal)):
                    with open(r'2.txt','a') as f:
                        results = x.get_text()
                        print(results)                       
 
if __name__ == '__main__':
    parse()
    time2 = time.time()
    print("总共消耗时间为:",time2-time1)

代码执行结果如下:
在这里插入图片描述
可以发现结果是一样的。

解题心得

  1. 思维要活跃
  2. 打破常规
  3. 好好思考题目的描述(ps:我刚开始在源码里面看了半天。。。。。)

本人小菜鸟一枚,有问题欢迎指出和交流!!

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值