如何使用Python Entrez库高效筛选并下载PubMed文献摘要？
- 内容介绍
- 文章标签
- 相关推荐
本文共计903个文字，预计阅读时间需要4分钟。
作者：xiaolanLin声明：本文版权归作者和博客园共有来源网址：https://www.cnblogs.com/xiaolan-Lin一个不是生物学儿子的孩子来搞生物，当真是变成了一块废铁啊！但也是让我体会到了一把生物。
作者：xiaolanLin
声明 ：本文版权归作者和博客园共有，来源网址：www.cnblogs.com/xiaolan-Lin
一个不是学生物的孩子来搞生物，当真是变成了一块废铁啊，但也是让我体会到了一把生物信息的力量。
废话不多说，开整！
任务：快速高效从PubMed上下载满足条件的文献PMID、标题（TI）、摘要（AB）。
PubMed官网 pubmed.ncbi.nlm.nih.gov
此处有几种选择可以达到目的：
（1）官网上匹配筛选条件（注：匹配快速，但是下载下来的数量受到限制，每次只能下载10000条数据，甚至更少。）
可以看到，我需要的数据是有三十多万条，但是每次只能下载10000条，那我岂不是要手动n次。。很明显，在大批量下载文献的情况下，官网不是很友好。
（2）R语言有个R包，叫做easyPubMed，这里我也给大家贴上学习指南（cran.r-project.org/web/packages/easyPubMed/vignettes/getting_started_with_easyPubMed.html）
由于我不喜欢用R写代码，所以我写一半还是换了Python，熟练R的小伙伴可以自行根据指南走通需求。
（3）重量级库来了，Python自带的Bio包中的Entrez检索库，简直就是我的救星，以下是我的代码：
注：Entrez在Bio包中，Bio的安装请移步 www.cnblogs.com/xiaolan-Lin/p/14023147.html
import numpy as np from Bio import Medline, Entrez # 一般是通过BioPython的Bio.Entrez模块访问Entrez from collections import Counter Entrez.email = "（此处写你自己在官网注册的邮箱账号）" # 应用自己的账号访问NCBI数据库 # 此处需将服务器协议指定为1.0，否则会出现报错。pubmed.ncbi.nlm.nih.gov/advanced/选择字段输入内容自动生成query，但是生成的语句是不太智能的，会有很多括号是你不需要的，自己写代码的时候要适当去掉；ptyp我这里用的是Review，usehistory是y，意思是后边我的检索要记住这个语句，根据历史查询来检索；retmax如果不进行设置的话，默认给你的最大数据量好像是只有1000，我要的检索内容是超过这个值的，因此我需要自定义检索的数量。
Entrez.read是对Entrez.esearch检索到的内容进行读取，里边包含了9种元素，我们主要是想从中得到文献的id号，只有拿到了文献的id号，我们后面进行摘要的提取才能准确定位。
最后是循环当中步长的设置，这里就要根据自己的需求来定义了，包括内容的提取，因为我只需要PMID、标题（TI）、摘要（AB），所以我就没有加载别的内容进来，这里也有一点要注意，标题下载下来是大部分带有[ ].的，方便操作我直接就在下载的时候给去除了，这也是上面replace代码的由来。
附上我参考的链接，如果我这篇文章解决不了你的问题，那么希望下面的渠道能够帮助到你
zhuanlan.zhihu.com/p/54611852
zhuanlan.zhihu.com/p/262957260
以上就是Python 利用Entrez库筛选下载PubMed文献摘要的示例的详细内容，更多关于Python Entrez库下载PubMed文献的资料请关注易盾网络其它相关文章！
本文共计903个文字，预计阅读时间需要4分钟。
作者：xiaolanLin声明：本文版权归作者和博客园共有来源网址：https://www.cnblogs.com/xiaolan-Lin一个不是生物学儿子的孩子来搞生物，当真是变成了一块废铁啊！但也是让我体会到了一把生物。
作者：xiaolanLin
声明 ：本文版权归作者和博客园共有，来源网址：www.cnblogs.com/xiaolan-Lin
一个不是学生物的孩子来搞生物，当真是变成了一块废铁啊，但也是让我体会到了一把生物信息的力量。
废话不多说，开整！
任务：快速高效从PubMed上下载满足条件的文献PMID、标题（TI）、摘要（AB）。
PubMed官网 pubmed.ncbi.nlm.nih.gov
此处有几种选择可以达到目的：
（1）官网上匹配筛选条件（注：匹配快速，但是下载下来的数量受到限制，每次只能下载10000条数据，甚至更少。）
可以看到，我需要的数据是有三十多万条，但是每次只能下载10000条，那我岂不是要手动n次。。很明显，在大批量下载文献的情况下，官网不是很友好。
（2）R语言有个R包，叫做easyPubMed，这里我也给大家贴上学习指南（cran.r-project.org/web/packages/easyPubMed/vignettes/getting_started_with_easyPubMed.html）
由于我不喜欢用R写代码，所以我写一半还是换了Python，熟练R的小伙伴可以自行根据指南走通需求。
（3）重量级库来了，Python自带的Bio包中的Entrez检索库，简直就是我的救星，以下是我的代码：
注：Entrez在Bio包中，Bio的安装请移步 www.cnblogs.com/xiaolan-Lin/p/14023147.html
import numpy as np from Bio import Medline, Entrez # 一般是通过BioPython的Bio.Entrez模块访问Entrez from collections import Counter Entrez.email = "（此处写你自己在官网注册的邮箱账号）" # 应用自己的账号访问NCBI数据库 # 此处需将服务器协议指定为1.0，否则会出现报错。pubmed.ncbi.nlm.nih.gov/advanced/选择字段输入内容自动生成query，但是生成的语句是不太智能的，会有很多括号是你不需要的，自己写代码的时候要适当去掉；ptyp我这里用的是Review，usehistory是y，意思是后边我的检索要记住这个语句，根据历史查询来检索；retmax如果不进行设置的话，默认给你的最大数据量好像是只有1000，我要的检索内容是超过这个值的，因此我需要自定义检索的数量。
Entrez.read是对Entrez.esearch检索到的内容进行读取，里边包含了9种元素，我们主要是想从中得到文献的id号，只有拿到了文献的id号，我们后面进行摘要的提取才能准确定位。
最后是循环当中步长的设置，这里就要根据自己的需求来定义了，包括内容的提取，因为我只需要PMID、标题（TI）、摘要（AB），所以我就没有加载别的内容进来，这里也有一点要注意，标题下载下来是大部分带有[ ].的，方便操作我直接就在下载的时候给去除了，这也是上面replace代码的由来。
附上我参考的链接，如果我这篇文章解决不了你的问题，那么希望下面的渠道能够帮助到你
zhuanlan.zhihu.com/p/54611852
zhuanlan.zhihu.com/p/262957260
以上就是Python 利用Entrez库筛选下载PubMed文献摘要的示例的详细内容，更多关于Python Entrez库下载PubMed文献的资料请关注易盾网络其它相关文章！