bookroo网页上有很多不错的英文图书书目。比如这个关于儿童花样滑冰的书单：
https://bookroo.com/explore/books/t服务器托管网opics/ice-skating
怎么批量下载下来呢？
这个网页是动态网页，要爬取下来比较麻烦，可以先查看源代码，然后把源代码保存到本地e盘：DOCTYPE html.htm
打开这个源代码文件：
仔细看，书籍信息在json对象里面：
问ChatGPT如何提取这些书籍名称：
如何从以上网页源代码中提取出title的内容，比如提取出”title”:”Mice Skating”、title”:”Flora and the Penguin”中的：Mice Skating、Flora and the Penguin
ChatGPT的回复：
你的问题描述中的内容看起来像是一段JSON格式的数据，而不是HTML源代码。这是一个JSON对象，其中包含一个”books”的列表，每个列表项又是一个包含各种属性（包括”title”）的字典。
为了提取”title”的内容，你可以首先将这个JSON字符串转换为Python的数据结构，然后遍历”books”列表，提取每个书籍的”title”。以下是一个例子：
import json
# 这是你的JSON字符串。我已经将其稍微清理过了。
json_str = ”’
{
“props”: {
“pageProps”: {
“initialData”: {
“pages”: [
{
“books”: [
{
“title”: “Flora and the Penguin”,
…
},
{
“title”: “Mice Skating”,
…
},
…
]
}
]
}
}
}
}
”’
# 将JSON字符串转为Python数据结构
data = json.loads(json_str)
# 遍历”books”列表
for page in data[‘props’][‘pageProps’][‘initialData’][‘pages’]:
for book in page[‘books’]:
# 提取并打印”title”
print(book[‘title’])
注意：我在JSON字符串中使用了省略号（”…”）来表示你的原始数据中还有更多的内容。在实际使用中，你应该用你的完整的JSON字符串替换json_str的值。
将所有的JSON字符串复制到json_str = ”’ ”’ 里面，运行程序，成功获取到页面的所有图书名称：
服务器托管，北京服务器托管，服务器租用 http://www.fwqt服务器托管网g.net
机房租用，北京机房租用，IDC机房托管， http://www.fwqtg.net
相关推荐: 一份谷歌写给 CTO 们的报告 – DORA 2023 版全面解读
【源创会预告】1024 程序员节（的前两天），相约开源中国办公室，我们一起聊 AI！>>> 背景 几天前，谷歌云旗下的 DORA (DevOps Research and Assessments) 发布了一年一度的 State of DevO…
