从pubmed in中提取Pubmed中存放的文章的标题

Question

我正在尝试使用Pubmed IDs (我有一个名为‘ids’的列表)为Pubmed中存放的一些文章提取标题。大约有650K的Pubmed ID。代码看起来运行得很好，没有抛出任何错误。但是代码只提取了一小部分文章的标题，而不是全部。

代码如下：

Entrez.email = "xyz@enginebio.com"

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)

任何建议都会很有用。谢谢

Answer 1

我无法复制您的示例，因为我没有您的Pubmed ID列表。知道你恢复了大约650K的It中有多少也是很有趣的，如果你正在恢复639K的标题(可能你的一些it只是丢失了)，或者10K，那就不一样了。我自己试过一个小例子，它确实检索到了标题。我想可能有一些身份证是无效的。您可以尝试执行较小的批次，也可以：

1. 此except: continue将隐藏可能由空句柄引起的任何问题(如果查询结果为空)。如果len(record["PubmedArticle"])小于您的批处理大小，我会尝试检查exceptions.
2. Throw并给出一个警告。这样你就可以缩小你可能缺少的ID的范围。
3. 如果注册表中有Abstract字段，你只是将标题添加到你的title字典中。您确定所有记录都是这样的吗？我尝试过的案例确实适用，但可能并不是所有条目都有这一点。