猫眼加密其实也就这么一回事儿。利用tensorflow建立一个woff模型，解决猫眼加密。

利用深度学习为猫眼woff加密构建模型

1. 回顾

之前关于猫眼爬虫，我写过一篇通过图像识别的方式解决加密内容识别的文章：猫眼数据加密问题研究（一）图像识别。文章是通过图像识别的方式建立了对猫眼加密数据的处理。后面本来计划进行深度学习的，奈何搞忘了，最近在看nlp时，想通过深度学习建立切词模型，于是想起来了，就把这个剩下的东西补上。代码比较简单。
之前程序对所获得的woff数据以及解析数据进行了保存，如图：

我们woff文件和解析数据，正好可以制作成深度学习的训练集。

2. 深度学习

这里使用tensorflow进行模型训练。关于tensorflow的安装，大家可以参照使用 pip 安装 TensorFlow。

当环境搞定后就该进入正题了。

下面的代码也是一遍带过的，没有做调整什么的基本是想到啥就敲啥。总体也就这思路。

3. 数据处理

首先我们需要把上面所说的数据进行处理，构建成训练集。
在对坐标的处理，只需要把它放在坐标轴上形成二维数组即可。

def get(dirpath,woffpath):
    res_dit = {
   }
    font = TTFont(woffpath)
    nums = getnum(dirpath)
    for name in font.getGlyphOrder()[2:]:
        temp = chr(eval(name.replace('uni','0x').lower()))
        temp_array = []
        for i in list(font['glyf'][name].coordinates):
            temp_array.append(i)
        res_dit[nums[temp]] = temp_array
    return res_dit

def getnum(dirpath):
    dit_path = dirpath + "/dict.txt"
    text = ''
    with open(dit_path,'r',encoding="utf-8") as f