简单利用Python爬取豆瓣网某网页的出版社信息

真的有好久好久没有写博客了，今天就随便写一个吧，利用简单的Python知识爬取某网页的文本信息并写入到本地

代码如下

import urllib.request
import re

'''
豆瓣出版社信息爬取

实际上爬虫需要几个步骤：
        1.明确目标（要知道你准备在哪个范围或者网站去爬取数据）
        2.爬（将网站的全部内容爬取下来）
        3.取（从爬取的全部数据中取到有价值的信息，或者换一句话说，就是舍弃掉无用的数据）
        4.处理数据（按照我们想要的方式存储和使用，本地存储或者数据库存储）
        
        <div class="name">北京邮电大学出版社</div>
        <div class="name">百花洲文艺出版社</div>
        <div class="name">电子工业出版社</div>
'''

# 爬取网页源代码
data = urllib.request.urlopen("https://read.douban.com/provider/all").read().decode("utf-8")
# print(data)

# 使用正则表达式，从源码中匹配出有价值的信息（出版社名称）
pat = '<div class="name">{.*?}</div>'
result = re.compile(pat).findall(data)
print(len(result))
print(result)

# 将爬取到的出版社信息保存到本地
file = open("chuabnshe.txt","w",encoding="utf-8")
for i in range(0,len(result)):
    file.write(result[i] + "\n")

print("写入成功！")
file.close()