我正在研究一个需要与Genia语料库一起工作的项目。根据文献Genia语料库是由Medline/Pubmed上搜索3 Mesh术语提取的文章制成的:“转录因子”,“血细胞”和“人类”。我想从Pubmed中提取Genia语料库中的全文文章(可免费获取)。我尝试了很多方法,但我无法找到以文本或XML或Pdf格式下载全文的方法。由NCBI提供如何从Pubmed下载全文内容?
使用Entrez的utils的: - 它使用了Ruby宝石生物这样 http://www.hpa-bioinformatics.org.uk/bioruby-api/classes/Bio/NCBI/REST/EFetch/Methods.html#M002197
以获取给定的考研ID信息
我已经使用这里所说的方法试着 - Bio :: NCBI :: REST :: EFetch.pubmed(15496913)
但是,它不会返回PMID的全文。
在内部,它使这样的呼唤 - http://eutils.ncbi.nlm.nih.gov/entrez/eutils/efetch.fcgi?db=pubmed&id=1372388&retmode=text&rettype=medline
但是,无论是红宝石宝石和上面的调用不返回全文。
在进一步上网搜索,我发现,对于考研的rettype和retmode允许值不具有一个选项,以获得完整的文本,如这里的表中提到 - http://www.ncbi.nlm.nih.gov/books/NBK25499/table/chapter4.T._valid_values_of__retmode_and/?report=objectonly
所有我在互联网上看到的例子和其他脚本只是关于提取摘要。作者等,他们都没有讨论提取全文。
这里是另一个链接,我发现,使用Python包生物,但只访问有关作者的信息 - 我如何可以下载文章的全文文本或XML或PDF https://www.biostars.org/p/172296/
格式使用由NCBI提供的Entrez utils?还是有可用的脚本或网络爬虫,我可以使用?
你可以发布一个你想要下载的文章的链接并指定它需要的部分吗? –
我想使用PMID下载关于Pubmed的文章的免费全文。例如:如果我通过PMID查询10438913在这里的pubmed搜索栏(http://www.ncbi.nlm.nih.gov/pubmed),然后发布的结果显示这篇文章是免费的文章。所以,点击这篇文章,我会去http://www.ncbi.nlm.nih.gov/pubmed/10438913,在右上角你会看到一个可点击的图标,说“最终版本免费”。如果你点击这个你会得到pdf版本。现在,我怎么能够自动化多个文章的这一步? –