python 爬虫登陆学校教务系统之验证码识别

在网上看了下，验证码识别的内容，发现基本有两种思路，一是利用ocr，这方面有google的开源库tesseract-ocr，另一种是利用机器学习，抓取大量图片，经过处理，得到单个字符的training-data来进行匹配识别，本质上是一种方法，不过tesseract-ocr帮我们做好了training-data，我们只需要调用就好了，当然，google文档里写到我们也可以自定义的向tesseract-ocr中添加training-data。

观察安装好后的Tesseract-OCR文件夹，发现其最主要的部分就是tessdata。

chi_sim.traineddata就是简体中文的traineddata.

以utf8编码格式打开，可以看到

汉字出现了，但是里面的数字，我还是不知道是什么，应该是汉字的特征，具体什么特征，我就不知道了，知道的可以说下。

在对验证码识别之前，做了一个二值滤波处理，将颜色图案去除，这样可以提高识别率。

class Login():
    def __init__(self):
        self.cookies =