攻防世界-MISC-2-pdf
题目描述:
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:
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:
看不清楚,我们可以将图片挪走,显示就很清楚了:
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:
可以发现结果是一样的。
解题心得
- 思维要活跃
- 打破常规
- 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!!