pubmed_parser

项目介绍：pubmed_parser

项目概述

Pubmed Parser 是一个用于解析 PubMed 开放访问子集（OA）和 MEDLINE XML 数据集的 Python 库。它主要帮助研究人员将这些复杂的 XML 文件解析为 Python 字典，使得这些数据能够方便地用于文本挖掘和自然语言处理等相关研究中。这个库依赖于 lxml 来实现对 XML 信息的解析。

功能亮点

Pubmed Parser 提供多种解析功能，能处理不同类型的 PubMed 数据，包括：

PubMed OA XML 信息：解析文献的标题、摘要、期刊、PMID（PubMed ID）、PMC（PubMed Central ID）、DOI号、出版商ID、作者列表、附属机构列表、出版年份和主题等信息。
PubMed OA 引用信息：提取文献中所引用的 PubMed ID 和相关信息。
PubMed OA 图像和说明：解析包含图像说明的信息，帮助研究人员更好地利用图像数据。
PubMed OA 段落：解析文献中围绕引用的段落文本和相关的引用PMIDs。
PubMed OA 表格：尽管目前仍在开发中，未来将能够解析表格内容及其相关信息。
MEDLINE XML：该功能允许解析具有不同 XML 格式的 MEDLINE 数据，提取诸如文章标题、摘要、作者、关键词、化学列表、期刊信息、发布国家和其他标识符等丰富的信息。
MEDLINE 资助 ID：导出从 MEDLINE XML 中解析出的资助 ID 和其相关信息。
从 eutils 网站解析 MEDLINE XML：利用函数从 E-Utilities 网站上抓取并解析 Medline XML 文件。
解析网站上的 MEDLINE XML 引用：获取给定 PMID 或 PMC ID 的引用次数及相应的记录。
解析对外的 XML 引用：获取给定文献引用了哪些其他文章。

安装方法

用户可以通过以下几种方式安装 Pubmed Parser：

从 GitHub 直接安装最新版：

pip install git+https://github.com/titipata/pubmed_parser.git

从 PyPI 安装发布的版本：
```
pip install pubmed-parser
```

克隆仓库并使用 pip 安装：

git clone https://github.com/titipata/pubmed_parser
pip install ./pubmed_parser

示例代码

以下是一个简单的示例，展示如何使用 Pubmed Parser 解析 PubMed OA 数据集：

import pubmed_parser as pp
path_xml = pp.list_xml_path('data')  # 列出指定目录下的所有 XML 路径
pubmed_dict = pp.parse_pubmed_xml(path_xml[0])  # 解析 XML 的字典输出
print(pubmed_dict)