运行cmd ->scrapy shell

fetch('http://bbs.fishc.com/forum-246-1.html')

>>> response.xpath('//*[@id="normalthread_36353"]/tr/th/a[2]/text()').extract()

['第000讲 愉快的开始（视频+课件）']

>>>

response.xpath(‘//table/*[contains(@id,“normalthread”)]/tr/th/a[2]’).extract()

>>> response.xpath('//*[@id="normalthread_36353"]/tr/th/a[2]/text()').extract()

['第000讲 愉快的开始（视频+课件）']

>>> response.xpath('//table/*[contains(@id,"normalthread")]/tr/th/a[2]/text()').extract()

['第000讲 愉快的开始（视频+课件）', '第001讲 我和Python的第一次亲密接触（视频+课件）', '第002讲 用Python设计第一个游戏（视频+课件+源代码）', '第003讲 小插曲之变量和字符串（视频+课件）', '第004讲 改进我们的小游戏（视频+课件+源代码）', '第005讲 改进我们的小游戏（视频+课件+源代码）', '第006讲 Pyhon之常用操作符（视频+课件）', '第007讲 了不起的分支和循环01（视频+课件）', '第008讲 了不起的分支和循环02（视频+课件+源代码）', '第009讲 了不起的分支和循环03（视频+课件+源代码）', '第010 讲 列表：一个打了激素的数组（视频+课件）', '第011讲 列表：一个打了激素的数组2（视频+课件）', '第012讲 列表：一个打了激素的数组3（视频+课件）', '第013讲 元组：戴上了枷锁的列表（视频+课件）', '第014讲 字符串：各种奇葩的内置方法（视频+课件）', '第015讲 字符串：格式化（视频+课件）', '第016讲 序列！序列！（视频+课件）', '第017讲 函数：Python的乐高积木（视频+课件+源代码）', '第018讲 函数：灵活即强大（视频+课件）', '第019讲 函数：我的地盘听我的（视频+课件+源代码）', '第020讲 函数： 内嵌函数和闭包（视频+课件）', '第021讲 函数：lambda表达式（视频+课件）', '第022讲 函数：递归是神马（视频+课件+源代码）', '第023讲 递归：这帮坑爹的小兔崽子（视频+课件+源代码）', '第024讲 递归：汉诺塔（视频+课件+源代码）', '第025讲 字典：当索引不好用时（视频+课件）', '第026讲 字典：当索引不好用时2（视频+课件）', '第027讲 集合：在我的世界里，你就是唯一（视频+课件）', '第028讲 文件：因为懂你，所以永恒（视频+课件）', '第029讲 文件：一个任务（视频+课件+源代码）', '第030讲 文件系统 ：介绍一个高大上的东西（视频）', '第031讲 永久存储：腌制一缸美味的泡菜（视频+课件+源代码）']

>>>

成功获取所需要元素，接下来获取相对应地址

同上不难分析出网页连接地址xpath为

“//table/*[contains(@id,’nor’)]/tr/th/a[2]/@href”

>>> response.xpath("//table/*[contains(@id,'nor')]/tr/th/a[2]/@href").extract()

['thread-36353-1-1.html', 'thread-36354-1-1.html', 'thread-38065-1-1.html', 'thread-38066-1-1.html', 'thread-38067-1-1.html', 'thread-38068-1-1.html', 'thread-38069-1-1.html', 'thread-38072-1-1.html', 'thread-43424-1-1.html', 'thread-43425-1-1.html', 'thread-43426-1-1.html', 'thread-43427-1-1.html', 'thread-43429-1-1.html', 'thread-43430-1-1.html', 'thread-43431-1-1.html', 'thread-43433-1-1.html', 'thread-43434-1-1.html', 'thread-43435-1-1.html', 'thread-43436-1-1.html', 'thread-43437-1-1.html', 'thread-43438-1-1.html', 'thread-43440-1-1.html', 'thread-43441-1-1.html', 'thread-43443-1-1.html', 'thread-43444-1-1.html', 'thread-43445-1-1.html', 'thread-43446-1-1.html', 'thread-45420-1-1.html', 'thread-45421-1-1.html', 'thread-45422-1-1.html', 'thread-48042-1-1.html', 'thread-48043-1-1.html']

>>>

import urllib.request

import os

from lxml import etree

#打开一个网页操作

def url_open(url):

    req = urllib.request.Request(url)

    req.add_header('User-Agent','Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.104 Safari/537.36 Core/1.53.3226.400 QQBrowser/9.6.11681.400')

    response = urllib.request.urlopen(url)

    html = response.read()

    return html

#保存多个文件

def save(folder, file_url):

    i = 0

    for each in file_url:

        #print(each)

        file_name = str(i)

        i += 1

        with open(file_name, 'w') as f:

            file = url_open(each)

            f.write(file)

#保存一个文件

def save1():

    file_name = 'asd'

    with open(file_name, 'w') as f:

        f.write()

def find_data(url = '', xrule = ''):

    result_data = []

    html = url_open(url)

    selector = etree.HTML(html)

    result_data = selector.xpath(xrule)

    return result_data

def test1():

    #获取一级链接

    list_1 = []

    xrule_1 = "//table/*[contains(@id,'nor')]/tr/th/a[2]/@href"

    for i in range(1,2):

        url = 'http://bbs.fishc.com/forum-246-' + str(i) + '.html'

        result_temp = find_data(url, xrule_1)

        for each in result_temp:

            list_1.append(each)

            print('http://bbs.fishc.com/' + each)

    #print(list_1)

    #获取二级文件下载链接

    list_2 = []

    xrule_2 = '//*[contains(@id,"attach")]/a/@href'

    for each in list_1:

        url = 'http://bbs.fishc.com/' + str(each)

        result_temp = find_data(url, xrule_2)

        for each in result_temp:

            list_2.append(each)

            print('http://bbs.fishc.com/' + each)

    #print(list_2)

if __name__ == '__main__':

    test1()