本篇文章給大家分享的是有關(guān)如何自Python中使用Entrez庫篩選并下載PubMed文獻，小編覺得挺實用的，因此分享給大家學(xué)習(xí)，希望大家閱讀完這篇文章后可以有所收獲，話不多說，跟著小編一起來看看吧。

創(chuàng)新互聯(lián)公司服務(wù)緊隨時代發(fā)展步伐，進行技術(shù)革新和技術(shù)進步，經(jīng)過十多年的發(fā)展和積累，已經(jīng)匯集了一批資深網(wǎng)站策劃師、設(shè)計師、專業(yè)的網(wǎng)站實施團隊以及高素質(zhì)售后服務(wù)人員，并且完全形成了一套成熟的業(yè)務(wù)流程，能夠完全依照客戶要求對網(wǎng)站進行成都網(wǎng)站建設(shè)、網(wǎng)站建設(shè)、建設(shè)、維護、更新和改版，實現(xiàn)客戶網(wǎng)站對外宣傳展示的首要目的，并為客戶企業(yè)品牌互聯(lián)網(wǎng)化提供全面的解決方案。

任務(wù)：快速高效從PubMed上下載滿足條件的文獻PMID、標題（TI）、摘要（AB）。

PubMed官網(wǎng) https://pubmed.ncbi.nlm.nih.gov

此處有幾種選擇可以達到目的：

（1）官網(wǎng)上匹配篩選條件（注：匹配快速，但是下載下來的數(shù)量受到限制，每次只能下載10000條數(shù)據(jù)，甚至更少。）

 可以看到，我需要的數(shù)據(jù)是有三十多萬條，但是每次只能下載10000條，那我豈不是要手動n次。。很明顯，在大批量下載文獻的情況下，官網(wǎng)不是很友好。

（2）R語言有個R包，叫做easyPubMed，這里我也給大家貼上學(xué)習(xí)指南（https://cran.r-project.org/web/packages/easyPubMed/vignettes/getting_started_with_easyPubMed.html）

由于我不喜歡用R寫代碼，所以我寫一半還是換了Python，熟練R的小伙伴可以自行根據(jù)指南走通需求。

（3）重量級庫來了，Python自帶的Bio包中的Entrez檢索庫，簡直就是我的救星，以下是我的代碼：

注：Entrez在Bio包中，Bio的安裝請移步 https://www.cnblogs.com/xiaolan-Lin/p/14023147.html

 import numpy as np
 from Bio import Medline, Entrez # 一般是通過BioPython的Bio.Entrez模塊訪問Entrez
 from collections import Counter
 
 Entrez.email = "（此處寫你自己在官網(wǎng)注冊的郵箱賬號）" # 應(yīng)用自己的賬號訪問NCBI數(shù)據(jù)庫
 
 # 此處需將服務(wù)器協(xié)議指定為1.0，否則會出現(xiàn)報錯。http.client.IncompleteRead: IncompleteRead(0 bytes read)
 # 服務(wù)器http協(xié)議1.0，而python的是1.1，解決辦法就是指定客戶端http協(xié)議版本
 import http.client
 http.client.HTTPConnection._http_vsn = 10
 http.client.HTTPConnection._http_vsn_str = 'HTTP/1.0'
 
 """
 Entrez 是一個檢索系統(tǒng)，可以用其訪問NCBI數(shù)據(jù)庫，比如說PubMed，GenBank，GEO等。
 獲得有關(guān) global PBDE 的所有文獻的PubMed IDs
 """
 # handle_0 = Entrez.esearch(db="pubmed", term="drug therapy[Subheading] AND adverse effects[Subheading] AND humans[MeSH Terms]", retmax=306431)
 handle_0 = Entrez.esearch(db="pubmed", term="drug therapy[MeSH Subheading] AND adverse effects[MeSH Subheading] AND humans[MeSH Terms] AND (2000/01/01[Date - Publication] : 2021/12/31[Date - Publication])",
              ptyp="Review", usehistory="y", retmax=306431)
 record = Entrez.read(handle_0) # 獲取檢索條件的所有文獻
 idlist = record["IdList"] # 提取出文獻id
 print ("Total: ", record["Count"])
 No_Papers = len(idlist)  # 共306431篇文獻 2000-01-01:2021-12-31
 webenv = record['WebEnv']
 query_key = record['QueryKey']
 
 total = No_Papers
 step = 1300
 print("Result items:", total)
 with open("./Data_PubMed/PBDE1.txt", 'w') as f:
   for start in range(0, total, step):
     print("Download record %i to %i" % (start + 1, int(start + step)))
     handle_1 = Entrez.efetch(db="pubmed", retstart=start, rettype="medline", retmode="text",
                 retmax=step, webenv=webenv, query_key=query_key) # 獲取上述所有文獻的PubMed IDs
     records = Medline.parse(handle_1)
     records = list(records) # 將迭代器轉(zhuǎn)換至列表（list）
     for index in np.arange(len(records)):
       id = records[index].get("PMID", "?")
       title = records[index].get("TI", "?")
       title = title.replace('[', '').replace('].', '') # 若提取的標題出現(xiàn)[].符號，則去除
       abstract = records[index].get("AB", "?")
       f.write(id)
       f.write("\n")
       f.write(title)
       f.write("\n")
       f.write(abstract)
       f.write("\n")

名稱欄目：如何自Python中使用Entrez庫篩選并下載PubMed文獻-創(chuàng)新互聯(lián)
文章分享：http://weahome.cn/article/djppep.html