需求：爬取豆瓣小组所有话题（话题title，内容，作者，发布时间），及回复（最佳回复，普通回复，回复_回复，翻页回复，0回复）
解决：1. 先爬取小组下，所有的主题链接，通过定位nextpage翻页获取总过700+条话题；
2. 访问700+ 链接，在内页+start=0中，获取话题相关的四部分（话题title，内容，作者，发布时间），及最佳回复、回复；
3. 在2的基础上，判断是否有回复，如果有回复才进一步判断是否有回复翻页，回复翻页通过nextpage 获取start=100、start=200的页；
4. 进入下一个爬取函数，将抓取的回复 续写 到2 中的文件；
解决思路：
Before：一开始建立2个文件，article.txt 用来存储所有话题相关的内容（700+话题、作者信息）；
同时，建立以title命名的回复文件；
After: 统一建立以话题title命名的文章，先写入文章相关内容，再续写回复；这样方便读取；
遇到的坑：
1. 要获取某个div下直接的text，div.span下的text，div.h下的text：
——有2个解决方法：
A. 通过xpath //text，意思是获取div 下的所有text文件；
B. 通过css 拼接，逗号隔开即可：
2. 巩固了不同函数之间通过meta传递参数的方法：
3. python open file with a variable name
f = open('%s.txt' % title_end,'a')
a: 续写
4.去掉 str 中的空格，换行等符号
# 去掉在x左右的空白, , 和 字符.
x1 = x.strip(' ')
5 . strip 去掉数据中的 ，''.join 将列表转回字符串；
# 先将文章中的 都去掉，有些单独的' ' 就变成了空的列表元素：''，再用if 来判断下就好了
artical_end = []
for x in article:
x1 = x.replace(' ','')
if x1 != '':
artical_end.append(x1)
# 将artical_end 列表 转为字符串
ar =''.join(artical_end)