NCBI批量下载基因序列

Python

Phantomjs

我们需要通过这一下三步到达页面，获取信息。在Gene数据库中搜索fabG,然后进入基因界面，再点击基因进入序列界面。这三部构成了方法的基础。

通过源码分析，我们可以知道，先获取基因页面链接，再获取fasta页面链接，之后再获取序列。

构造此方法用于获取基因的链接列表。从而可以进入基因的信息页面。import urllibimport urllib.requestfrom urllib.error import HTTPErrorfrom bs4 import BeautifulSoupimport reimport timefrom selenium import webdriverfile=open('C:\\Users\\jyjh\\Desktop\\fabG\\allfabG.txt','w')url='https://www.ncbi.nlm.nih.gov/gene/?term=fabG'geneurl='https://www.ncbi.nlm.nih.gov/'data=[]html=urllib.request.urlopen(url)bsObj=BeautifulSoup(html)geneurllist=[]for i in bsObj.find('tbody').findAll('tr'):    geneurllist.append(geneurl+i.find('a')['href'])

for i in geneurllist:    html1=urllib.request.urlopen(i)    bsObj1=BeautifulSoup(html1)    print(bsObj1.findAll('h1')[1].get_text().replace('[','').replace(']','').strip())    temp=bsObj1.findAll('a')    fastaurl=''    for i in temp:        if i.get_text()=='FASTA':            if 'report' in i['href']:                fastaurl=i['href']                break    driver=webdriver.PhantomJS(executable_path='C:\\Users\\jyjh\\Desktop\\phantomjs-2.1.1-windows\\bin\\phantomjs')    driver.get(geneurl+fastaurl)    time.sleep(3)    data.append(driver.find_element_by_id('viewercontent1').text)    driver.close()此方法用用于进入基因序列页面并获取数据

for i in data:    file.write(i+'\n')   file.close()写入数据到txt 文档中。并保存关闭。

其中最后的基因序列，只有在浏览器中才能看到，因为使用js和jq的方式生成的数据，在源代码中是不出现的。运行结果如下图：