看了几个机器学习的东西，其中一个是Tesseract，ocr可以用于转换图片到文字。这几天在考虑国家自然科学基金，里面查项目一项有个简单的验证码，十分讨厌，所以以这个为例，试着用了一下，写了个小代码。调用了Tesseract用于ocr，Magick convert用于图片转换，识别率还是比较高 （如果对Tesseract专门训练可能效果更好，但我简单看了一下还是蛮复杂的样子）。这意味着理论上我们就可以把国自项目的信息全部爬下来，不过没有时间去弄。

• Qt 5/ Mingw环境。
• ImageMagick-7.0.7-22-portable-Q16-x86
• Tesseract-OCR-4.0.0alpha

一些截图：