区别在于 easy12306 基于 api 接口，而12306 的所有接口都不能直接爬了。 本项目基于 pyppeteer 模拟浏览器进行登录。验证码识别操作仍然使用 easy12306 项目的深度学习方法。
本项目基于 python3.6
如果不考虑深度学习的识别过程，直接看效果的话，启动 zt12306Spider.py。
验证码识别基于深度学习算法，包括数据集的采集，预处理数据，训练算法，得到模型，等等。
- 运行
pretreatment.py得到data.npz数据集，里面包含所有的labels的图片数据，以及所有待选择图片的whash值。其中，训练图片数据集下载较慢，或者下载一部分之后被封杀，可以到 kaggle 上下载，点击此处，然后将所有图片放入 imgs 文件夹下 - 保存好了
data.npz后，运行baidu.py,从百度OCR的API去识别这些labels上面的文字。并保存到texts.log中。 - 运行
get_top80_category.py，通过频次统计，发现其实12306的验证码图片就80类，获取这80类识别正确的labels图片与识别结果，作为texts.npz数据集，识别的80类（高频）放在了text_top_80.txt中。由于我爬取的图片只有8000多张，正确识别的只有4800张左右，识别的80类还是有点问题，具体的80类可以参考zhaipro/easy12306的repo，用这个文件替换text_top_80.txt。 - 用生成的
texts.npz作为数据集，跑mlearn.py文件，运行其中的main函数，得到models.v1.0.h5模型。 - 跑
category_images.py得到captcha.npz数据集。 - 运行
mlearn_for_images.py得到图片识别模型。 - 运行
zt12306Spider.py,运行前请填入你的用户名和密码。 - 等待程序运行，跳出浏览器，自动输入用户名密码后，识别验证码，并通过滑动验证，进入系统。