https://www.nature.com/nature/volumes 请在该网站上使用适合的方法，爬取2020年起每卷各期中文献的题名、介绍文本、DOI、发表时间及年、卷、期等信息，将这些信息存储到数据库中（

建议使用Python和BeautifulSoup库进行网页爬取和数据处理，使用SQLite或MySQL等数据库进行信息存储。

1. 首先，使用Python中的requests库获取网页源代码，例如：

import requests

url = 'https://www.nature.com/nature/volumes'
response = requests.get(url)
html = response.text

2. 接着，使用BeautifulSoup库解析网页源代码，找到每卷各期的链接，例如：

from bs4 import BeautifulSoup

soup = BeautifulSoup(html, 'html.parser')
volumes = soup.find_all('li', {'class': 'volume'})

for volume in volumes:
    link = volume.find('a')['href']
    # 爬取链接中的期刊信息

3. 在每卷各期的链接中，可以找到包含中文献的文章列表，例如：

url = 'https://www.nature.com' + link
response = requests.get(url)
html = response.text

soup = BeautifulSoup(html, 'html.parser')
articles = soup.find_all('article')

for article in articles:
    title = article.find('h3').text.strip()  # 题名
    intro = article.find('p').text.strip()  # 介绍文本
    doi = article.find('a', {'data-track-action': 'view article'}).text.strip()  # DOI
    pub_date = article.find('time')['datetime']  # 发表时间
    year = pub_date[:4]  # 年份
    volume = volume.find('span', {'class': 'volume-number'}).text.strip()  # 卷数
    issue = volume.find('span', {'class': 'issue-number'}).text.strip()  # 期数
    # 存储信息到数据库

4. 最后，使用SQLite或MySQL等数据库将信息存储起来，例如：

import sqlite3

conn = sqlite3.connect('nature.db')
cursor = conn.cursor()

# 创建表格
cursor.execute('CREATE TABLE IF NOT EXISTS articles ('
               'id INTEGER PRIMARY KEY AUTOINCREMENT,'
               'title TEXT,'
               'intro TEXT,'
               'doi TEXT,'
               'pub_date TEXT,'
               'year TEXT,'
               'volume TEXT,'
               'issue TEXT)')

# 将信息插入表格
cursor.execute('INSERT INTO articles (title, intro, doi, pub_date, year, volume, issue) '
               'VALUES (?, ?, ?, ?, ?, ?, ?)',
               (title, intro, doi, pub_date, year, volume, issue))

conn.commit()
conn.close()

以上是一个简单的爬取和存储流程，具体实现可根据实际需求进行调整。需要注意的是，网站的反爬虫机制可能会限制频繁的请求，因此建议加入适当的延时和随机化等措施。