如何从 pubmed 获取最新论文

Question

这是一个具体的问题，但以前一定有人做过。我想从 pubmed 获得最新的论文。不是关于某些主题的论文，而是所有主题的论文。我想根据修改日期（mdat）进行查询。我使用 biopython.py，我的代码看起来像这样

handle = Entrez.egquery(mindate='2015/01/10',maxdate='2017/02/19',datetype='mdat')
results = Entrez.read(handle)
for row in results["eGQueryResult"]:
        if row["DbName"]=="nuccore":
            print(row["Count"])

但是，这会导致零论文。如果我添加 term='cancer' 我会得到大量论文。所以查询似乎需要术语关键字......但我想要所有论文，而不是某些主题的论文。任何想法如何做到这一点？ 谢谢 卡尔

Answer 1

term 是 required parameter，因此您不能在调用 Entrez.egquery 时省略它。

如果您需要指定时间范围内的所有论文，您可能需要a local copy of MEDLINE and PubMed Central：

对于 MEDLINE，这涉及获取 license。对于 PubMed Central，您 可以通过ftp免费下载开放访问子集。

Answer 2

这很草率，我想听听反馈，但这里的代码认为最新发布的 id 与最新论文相同（我不确定这是否属实）。基本上对最新的 PMID 进行二进制搜索，然后给出最近的 n 列表。这不看日期，只返回 PMID，所以我不确定这是一个合适的答案，但也许可以调整这个想法。

代码：

import urllib2

def pmid_exists(pmid):
    url_stem = 'https://www.ncbi.nlm.nih.gov/pubmed/'
    query = url_stem+str(pmid)
    try:
        request = urllib2.urlopen(query)
        return True
    except urllib2.HTTPError:
        return False


def get_latest_pmid(max_exists = 27239557, min_missing = -1):
    #print max_exists,'-->',min_missing
    if abs(min_missing-max_exists) <= 1:
        return max_exists

    guess = (max_exists+min_missing)/2
    if min_missing == -1:
        guess = 2*max_exists

    if pmid_exists(guess):
        return get_latest_pmid(guess, min_missing)
    else:
        return get_latest_pmid(max_exists, guess)

#Start of program
if __name__ == '__main__':
    n = 5
    latest_pmid = get_latest_pmid()
    most_recent_n_pmids = range(latest_pmid-n, latest_pmid)
    print most_recent_n_pmids

输出：

[28245638, 28245639, 28245640, 28245641, 28245642]