Как парсить PubMed

PubMed (Пабмед) − библиографическая база данных научных публикаций, в основном биологической и медицинской направленности. Более широко трактуется как совокупность всех библиографических баз данных NCBI (Национального Центра Биотехнологической Информации), куда, наряду с собственно PubMed, входят такие базы данных как PubChem, Gene, PMC и другие.

Самая биомедицинская мякотка концентрируется в базе данных под названием «Medline». В ней ищут интерфейсы вышеназванных тематических баз данных.

Почему есть Medline и есть куча других баз данных? Потому что

• У каждой тематической базы данных есть свой специфический интерфейс, заточенный под ее предметную область
• Наряду с Medline они также сёкают по дополнительным каталогам, которые содержат инфу по статьям, не попавшим в Medline (неопубликованные, не биомед тематики и т.д. ).

У кого сколько
PubMed	более 30 млн. записей
Medline	более 26 млн. записей
PubMed Central (PMC)	более 5.2 млн. записей

Адреса

• pubmed.ncbi.nlm.nih.gov − Пабмед аз из
• Расширенный поиск Пабмеда
• Еще более расширенный поиск NCBI

Entrez

Пабмед использует поисковый движок под названием Entrez.

Парсинг

Автоматический поиск происходит через обычные HTTP GET запросы. Для более чем 2 запросов в секунду требуется ключ.

Получение информации о публикации происходит в два этапа.

1. Вначале получают список идентификаторов статей (PMID), удовлетворяющих критериям поиска (совпадение с ключевыми словами в указанных частях). Подробнее: Получение id статей на PubMed
2. По известной id статьи отправляют второй запрос на выдачу информации об этой статье. В ответ, сервер присылает данные в формате Medline