Python数据挖掘学习笔记（5）爬取豆瓣阅读的出版社名称数据

需求：写一个Python程序，实现获取豆瓣阅读网页上的所有出版社名称，并储存在指定路径的txt文件中，如下：

准备：观察该网页的源代码，注意到每个出版社名称都由固定格式的div所包裹，如下：

编写代码：

import urllib.request
data=urllib.request.urlopen("https://read.douban.com/provider/all").read()
data=data.decode("utf-8")  #注意对汉字要进行编码
import re
pat='<div class="name">(.*?)</div>'
mydata=re.compile(pat).findall(data)
#得到一个数组mydata：['博集天卷', '北京邮电大学出版社',........]
fh=open("F:/22.txt","w")
for i in range(0,len(mydata)):
	fh.write(mydata[i]+"\n")
fh.close()

结果：

感谢韦玮老师的指导