使用bioentrez提取从Pubmed ID公开发布的文章标题

Question

[我正在尝试使用Pubmed ID（我在名为'ids'的列表中拥有）来提取存放在Pubmed中的某些文章的标题。大约有65万个Pubmed ID。该代码似乎可以正常工作，并且不会引发任何错误。但是代码只提取文章的一小部分，而不是全部。

下面是代码：

Entrez.email = "[email protected]"

for i in range(0,len(ids),10000):

    if i%10000 == 0:   # for me to track the progress of the script
        print (i)

    idlist=ids[i:i+10000]
    handle = Entrez.efetch(db="pubmed", id=idlist, retmode="xml")

    try:
        record = Entrez.read(handle)
    except:
        continue

    title={}

    for j in range(len(record["PubmedArticle"])):

        pmid=record["PubmedArticle"][j]['MedlineCitation']['PMID'][:]
        if "Abstract" in record["PubmedArticle"][j]['MedlineCitation']['Article'].keys():
            title[pmid]=record["PubmedArticle"][j]['MedlineCitation']['Article']['ArticleTitle'].encode('ascii', 'ignore').decode('ascii')

    # save article titles
    subfile='article_titles_'+str(i)+'.txt'
    ar = pd.DataFrame.from_dict(title, orient="index")
    ar.to_csv(subfile,sep="\t",header=None)

任何建议都会有用。谢谢

Answer 1

我无法复制您的示例，因为我没有您的Pubmed ID列表。知道您要恢复的〜650K ID中有多少是很有意思的，如果要恢复639K标题（可能只是一些ID丢失）或10K，就不一样了。我自己尝试了一个迷你示例，它确实检索了标题。我认为某些ID可能无效。您可以尝试做较小的批次，也可以：

1. 此except: continue将隐藏空句柄可能引起的任何问题（如果查询结果为空）。我会尝试检查异常。

2. 如果len(record["PubmedArticle"])小于批量大小，则发出警告。这样，您可以缩小可能丢失的ID的范围。

3. 如果注册表具有title字段，则仅将标题添加到Abstract字典中。您确定所有记录都是这种情况吗？我尝试过的情况确实适用，但可能并非所有条目都具有此功能。