前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >往"某度文库"上传资源之前,请先做好这些...想到一句好玩的话:知道是你干的,只是懒得抓你!如果你喜欢python,喜欢故事,请点赞或关注我!您的支持是对作者最大的鼓励!

往"某度文库"上传资源之前,请先做好这些...想到一句好玩的话:知道是你干的,只是懒得抓你!如果你喜欢python,喜欢故事,请点赞或关注我!您的支持是对作者最大的鼓励!

作者头像
zhaoolee
发布2018-04-19 10:35:13
7460
发布2018-04-19 10:35:13
举报
文章被收录于专栏:木子昭的博客木子昭的博客

先讲个相关的故事:匿名黑客的"复仇行动"

2010年12月10日,黑客组织匿名者发布了一条消息,解释了他们发起最近一次代号为”复仇行动”的攻击的大致动机(Prefect,2010)。由于被那些放弃支持维基解密网站的公司所激怒,匿名者组织号召要通过对涉及的一些机构进行分布式拒绝服务攻击(DDoS)以实现报复。这个稿子上既没有签名,也没有标注消息来源,只是以PDF(Portable Document Format,便携式文档格式)文件的形式被发布出来。

这是当时的文件,为了满足好奇心,被我刨出来了...

PDF原文件第一页

PDF原文件第二页

虽然没有署名,但用脚本很快查到了文档的元数据(这里演示的ANONOPS_The_Press_Release.pdf就是真实的原文件,文件的元数据还被保留着...)

查看元数据

几天后,希腊警方逮捕Alex Tapanaris 先生...
Alex Tapanaris 先生的"复仇行动"提前结束了
这个例子告诉我们,就算技术不好,也不要让别人知道,是你做的种子...

在当下,敏感元数据,在国内资源网站依然大量存在

以博主从国内各大资源网站下载到的技术类书籍资源为例:

(不要问我资源是哪里来的,作为程序员,对于获取资源的套路还是懂一些的...)

为避免小伙伴们在 "某度文库" 发"资源"赚积分的时候成为第二个Alex Tapanaris先生,下面放出博主刚完成的批量清除pdf元数据的脚本,以及使用方法:

快速清除PDF元数据

快速清除PDF元数据

清除后的效果

清除后的效果

批量获取文档元数据(查别人):
import PyPDF2
from PyPDF2 import PdfFileReader
import sys
import os
import re

#获取目录下所有的pdf文件目录
def getFiles():

    files = os.listdir()

    # 如果输入了单个pdf文件,则只输出单个pdf元数据
    try:
        if sys.argv[1]:
            files = [sys.argv[1]]
    except:
        pass

    pdf_files = list()

    for file_name in files:
        try:
            result = re.match(r".*\.pdf$", file_name)
            
            if result:
                pdf_files.append(file_name)
        except Exception as e:
            pass


    return pdf_files


# 打印文件的元信息
def printMeta(files):
        for filename in files:
            try:
                pdfFile= PdfFileReader(open(filename, "rb"))
                docInfo = pdfFile.getDocumentInfo()
                print ("===文件%s的元信息为:"%filename)
                for metaItem in docInfo:
                    print(metaItem,":",docInfo[metaItem])
            except Exception as e:
                print("---文件%s元数据无法读取,已经跳过!"%filename)

if __name__ == "__main__":
    filenames = getFiles()
    printMeta(filenames)
清除源信息(藏自己):
import sys
import os
import re
from PyPDF2 import PdfFileReader, PdfFileWriter

#获取目录下所有的pdf文件
def getFiles():
    files = os.listdir()
    pdf_files = list()

    for file_name in files:
        try:
            result = re.match(r".*\.pdf$", file_name)
            
            if result:
                pdf_files.append(file_name)
        except Exception as e:
            pass

    return pdf_files


def get_page_num(file_name):
    #获取一个pdfFileReader对象
    my_pdf = PdfFileReader(open(file_name,"rb"))

    # 获取页数
    page_num = my_pdf.getNumPages()
    print("PDF文件%s的页数为%s"%(file_name, page_num))
    return page_num

    

def create_new_pdf(file_names):
    try:
        os.mkdir("./pure")
    except Exception as e:
        pass
    
    for file_name in file_names:

        try:
            # 获取原pdf的信息
            my_pdf = PdfFileReader(open(file_name,"rb"))

            # 创建一个PdfFileWriter对象
            new_pdf = PdfFileWriter()
            
            for i in range(0, get_page_num(file_name)):
                
                page_info = my_pdf.getPage(i)

                new_pdf.addPage(page_info)

            new_pdf.write(open("./pure/%s"%file_name, "wb"))
            print("文件%s已清除元数据!"%file_name)
        except Exception as e:
            print("文件%s编码有问题,已自动跳过!"%file_name)



if __name__ == "__main__":
    create_new_pdf(getFiles());

想到一句好玩的话:知道是你干的,只是懒得抓你!

如果你喜欢python,喜欢故事,请点赞或关注我!您的支持是对作者最大的鼓励!

本文参与 腾讯云自媒体分享计划,分享自作者个人站点/博客。
原始发表:2017.09.11 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 先讲个相关的故事:匿名黑客的"复仇行动"
    • 这是当时的文件,为了满足好奇心,被我刨出来了...
    • 在当下,敏感元数据,在国内资源网站依然大量存在
    • 为避免小伙伴们在 "某度文库" 发"资源"赚积分的时候成为第二个Alex Tapanaris先生,下面放出博主刚完成的批量清除pdf元数据的脚本,以及使用方法:
      • 快速清除PDF元数据
        • 清除后的效果
        • 想到一句好玩的话:知道是你干的,只是懒得抓你!
        • 如果你喜欢python,喜欢故事,请点赞或关注我!您的支持是对作者最大的鼓励!
        领券
        问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档