scrapy 抓一个页面的 PDF，并且把他们合并为一个，但是发现文件大小对的，但是里面的内容只有第一个 PDF 里面的，代码如下，求教大神。

[Fuyu0gap]

代码如下：

-- coding: utf-8 --

import scrapy

class LinearSpider(scrapy.Spider): name = "linear" allowed_domains = ["ocw.mit.edu"] start_urls = ['https://ocw.mit.edu/courses/mathematics/18-06sc-linear-algebra-fall-2011/resource-index/']

def parse(self, response):
    page_hrefs = response.xpath("*//tr//td/a/@href").re(".*sum.pdf")
    for href in page_hrefs:
        new_url = 'https://ocw.mit.edu' + href
        print(new_url)
        yield scrapy.Request(new_url,callback=self.parse_href)

def parse_href(self,response):
    with open('linear.pdf','ab') as f:
        f.write(response.body)
        f.close()

[Fuyu0gap]

分开下载页面里所有的 PDF 是可以的，以及这个 Markdown 显示不全怎么肥四……

[pc10201]

with open('linear.pdf','ab') as f
pdf 不能这么简单的拼接吧，最好每一个分开下载，再用第三方工具整合在一起

[Fuyu0gap]

@pc10201 我最后也是和你一样的思路解决的，不过 PDF 的拼接原理和文本差异在哪里呢？