与其爬 PubChem 的网站，我更愿意从 PubChem ftp 站点本地生成图像：
ftp://ftp.ncbi.nih.gov/pubchem/specifications/
唯一的问题是我仅限于 OSX 和 Linux，而且我似乎无法找到以编程方式生成他们网站上的 2d 图像的方法。看这个例子：
https://pubchem.ncbi.nlm.nih.gov/compound/6#section=Top
在“2D 结构”标题下，我们有这张图片：
https://pubchem.ncbi.nlm.nih.gov/image/imgsrv.fcgi?cid=6&t=l
这就是我想要生成的。
【问题讨论】：
标签： python scipy scientific-computing pubchem cheminformatics
如果您想要开箱即用的东西，我建议您使用来自 ChemAxon 的 Marvin (https://www.chemaxon.com/products/marvin/) 的 molconvert，它对学者来说是免费的。它可以从命令行轻松使用，并且支持大量输入和输出格式。因此，对于您的示例，它将是：
molconvert "png" -s "C1=CC(=C(C=C1[N+](=O)[O-])[N+](=O)[O-])Cl" -o cdnb.png
结果如下图：
它还允许您设置宽度、高度、质量、背景颜色等参数。
但是，如果您是程序员，我肯定会推荐RDKit。遵循一个代码，该代码为一对以微笑给出的化合物生成图像。
from rdkit import Chem
from rdkit.Chem import Draw
ms_smis = [["C1=CC(=C(C=C1[N+](=O)[O-])[N+](=O)[O-])Cl", "cdnb"],
["C1=CC(=CC(=C1)N)C(=O)N", "3aminobenzamide"]]
ms = [[Chem.MolFromSmiles(x[0]), x[1]] for x in ms_smis]
for m in ms: Draw.MolToFile(m[0], m[1] + ".svg", size=(800, 800))
这将为您提供以下图像：
【讨论】：
RDKit 的引用，并提供一个简短的示例如何使用它来解决问题。
所以我也给 PubChem 的人发了电子邮件，他们很快就回复了我：
我们对图像的唯一批量访问是通过下载 服务：https://pubchem.ncbi.nlm.nih.gov/pc_fetch/pc_fetch.cgi
您一次最多可以请求 50,000 张图片。
这比我预期的要好，但仍然不是惊人，因为它需要下载我理论上可以在本地生成的东西。所以我要让这个问题悬而未决，直到某个好心人写了一个开源库来做同样的事情。
编辑：
我想，如果他们和我做同样的事情，我还不如为他们节省一些时间。我创建了一个基于 Mechanize 的 Ruby Gem 来自动下载图像。请善待他们的服务器，只下载你需要的。
https://github.com/zachaysan/pubchem
gem install pubchem
【讨论】：
一个开源选项是Indigo Toolkit，它还具有适用于 Linux、Windows 和 MacOS 的预编译包以及适用于 Python、Java、.NET 和 C 库的语言绑定。我选择了 1.4.0 测试版。
我对将 SMILES 转换为 2D 结构有类似的兴趣，并调整了我的 Python 来解决您的问题并捕获时间信息。它使用 CID-SMILES.gz 的 PubChem FTP (Compound/Extras) 下载。下面的脚本是一个本地 SMILES 到 2D 结构转换器的实现，它从 PubChem CID-SMILES 文件的异构 SMILES（包含超过 1.02 亿条化合物记录）中读取一系列行，并将 SMILES 转换为二维结构。在具有 1000 个 SMILES 到结构转换的三个测试中，在我的 Windows 10 笔记本电脑（Intel i7-7500U CPU，2.70GHz ) 使用固态驱动器并运行 Python 3.7.4。这 3000 个文件的总大小为 100 MB。
from indigo import *
from indigo.renderer import *
import subprocess
import datetime
def timerstart():
# start timer and print time, return start time
start = datetime.datetime.now()
print("Start time =", start)
return start
def timerstop(start):
# end timer and print time and elapsed time, return elapsed time
endtime = datetime.datetime.now()
elapsed = endtime - start
print("End time =", endtime)
print("Elapsed time =", elapsed)
return elapsed
numrecs = 1000
recoffset = 0 # 10000000 # record offset
starttime = timerstart()
indigo = Indigo()
renderer = IndigoRenderer(indigo)
# set render options
indigo.setOption("render-atom-color-property", "color")
indigo.setOption("render-coloring", True)
indigo.setOption("render-comment-position", "bottom")
indigo.setOption("render-comment-offset", "20")
indigo.setOption("render-background-color", 1.0, 1.0, 1.0)
indigo.setOption("render-output-format", "png")
# set data path (including data file) and output file path
datapath = r'../Download/CID-SMILES'
pngpath = r'./2D/'
# read subset of rows from data file
mycmd = "head -" + str(recoffset+numrecs) + " " + datapath + " | tail -" + str(numrecs)
print(mycmd)
(out, err) = subprocess.Popen(mycmd, stdout=subprocess.PIPE, shell=True).communicate()
lines = str(out.decode("utf-8")).split("\n")
count = 0
for line in lines:
try:
cols = line.split("\t") # split on tab
key = cols[0] # cid in cols[0]
smiles = cols[1] # smiles in cols[1]
mol = indigo.loadMolecule(smiles)
s = "CID=" + key
indigo.setOption("render-comment", s)
#indigo.setOption("render-image-size", 200, 250)
#indigo.setOption("render-image-size", 400, 500)
renderer.renderToFile(mol, pngpath + key + ".png")
count += 1
except:
print("Error processing line after", str(count), ":", line)
pass
elapsedtime = timerstop(starttime)
print("Converted", str(count), "SMILES to PNG")
【讨论】：