爬虫真的无所不能爬！病毒样本照样爬取下来！恶意软件分析！

---恢复内容开始---

只有MD5的超链接可以点，点进去看看，

我写这个的爬虫的目的是下载样本，只关心样本的下载地址，并不关心其他的信息。

现在我们可以理清下思路：

获取每一页的网页源码
解析当前页的每一个md5对应的详细信息链接
在详细信息页面解析下载地址。

提取规则

先从第一页开始爬起

scrapy支持xss选择器和css选择器，一般是用哪个比较方便就用哪个。

对应链接的xpath选择器为 //td/a/@href ,

下一页的链接的xpath选择器为 //a[contains(text(),'Next')]/@href

登陆

之前写爬虫的时候，是可以直接通过post登陆的，而我开始写这篇文章的时候开始加上了google的ReCaptcha验证码。

只能换种方式使用selenium来登陆Malwr.得到登陆后的cookie后，我们就可以用这个cookie开始下载样本了。

FilesPipeline是从file_urls中拿到下载地址然后开始下载文件，因此我们还需要Item.py定义一个file_urls.

解析下载地址，将解析到的下载链接列表放入item的file_urls,返回item。pipeline会file_urls拿到链接开始调用get_media_requests下载文件

---恢复内容结束---