栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 软件开发 > 后端开发 > Python

ncbi爬虫geneID注释

Python 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

ncbi爬虫geneID注释

import urllib.request
import pandas as pd
import re

# 1.逐行读取xls文件列名并获取基因ID
def read_xlsx(path, sheetname,i):
    sheet = pd.read_excel(path, sheetname)
    geneID = []
    for row in sheet.index.values:
        geneID.append(sheet.iloc[row, i-1])
    return geneID

# 2.NCBI搜索基因ID,找到注释信息
def get_infoID(GeneID):
    infoID = []
    for i in GeneID:
        url = f'https://www.ncbi.nlm.nih.gov/gene/?term={i}'  # 查找基因的网址
        headers = {
            "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.100 Safari/537.36"
        }
        request = urllib.request.Request(url, headers=headers)
        response = urllib.request.urlopen(request)
        content = response.read().decode('utf-8')
        p = re.findall('
(.*?)', content)[0]# (.*?)为正则表达式的目标区域 infoID.append(p) return infoID if __name__ == '__main__': # 1.逐行读取xls文件列名并获取基因ID GeneID = read_xlsx("C:/Users/27930/Desktop/545679/snpid.xlsx", "218", 1) print("读取基因标签完毕,正在获取基因注释!") # 2.NCBI搜索基因ID,找到注释信息 infoID = get_infoID(GeneID) print("基因注释获取完毕,正在生成注释表格!") # 3.记录注释信息并逐行保存在xls文件中 df = pd.DataFrame({'GeneID': GeneID, 'Description': infoID}) writer = pd.ExcelWriter('C:/Users/27930/Desktop/545679/218_with_Description.xlsx') df.fillna(' ', inplace=True) # 文本空格消除掉 df.to_excel(writer, sheet_name='218', index=False) writer.save() print("完成")

其中,excel表

转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/893037.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号