☰

如何根据 ID 从 PubMed 下载 PDF？

tag-icon • tag-icon shell-script download web
如何根据 ID 从 PubMed 下载 PDF？

我有需要从 PubMed 网站下载的文件的 PubMed ID.pdf格式。我尝试过这个脚本：

#!/usr/bin/env bash

Link="http://www.ncbi.nlm.nih.gov/pubmed/"

ID=(10021369         
10051005
10051007
100562
10064668
10071185
)

for f in ${ID[]};
do
   wget  --user-agent="Mozilla/5.0 (Windows NT 5.2; rv:2.0.1) Gecko/20100101 Firefox/4.0.1" \
         -l1 --no-parent -A.pdf ${Link}${f}/pdf/ -O ${f}.pdf
done

这给了我 PDF 文件，但我无法打开其中任何一个。我究竟做错了什么？

答案1

您为什么希望能够从该 URL 下载 PDF？ PubMed 通常不提供 PDF，它会为您提供该期刊网页的链接，您可以从那里获取 PDF。

不管怎样，你的脚本没问题，问题是你给它的链接不是指向 PDF 文件，而是指向 XML 文件，这就是它正在下载的内容：

$ ls
10021369.pdf  10051007.pdf  10064668.pdf
10051005.pdf  100562.pdf    10071185.pdf

$ file *
10021369.pdf: XML document text
10051005.pdf: XML document text
10051007.pdf: XML document text
100562.pdf:   XML document text
10064668.pdf: XML document text
10071185.pdf: XML document text

为了让它下载 PDF，您需要为其提供指向 PDF 文件的链接。您可以通过将浏览器指向脚本访问的链接之一来测试这一点。例如，http://www.ncbi.nlm.nih.gov/pubmed/10051005/pdf/。如果您访问该链接，您会发现它不是 PDF 文件。

如果您的所有 PMID 都是 PubMed Central 中论文的链接，那么您应该能够在首先将 PubMed ID 转换为 PubMed Central ID 后获取 PDF：

#!/usr/bin/env bash

Link="http://www.ncbi.nlm.nih.gov/pubmed/"
PMCLink="http://www.ncbi.nlm.nih.gov/pmc/articles/"
ID=(10021369         
10051005
10051007
100562
10064668
10071185
)

for f in ${ID[@]};
do
  PMCID=$(wget  --user-agent="Mozilla/5.0 (Windows NT 5.2; rv:2.0.1) Gecko/20100101 Firefox/4.0.1" \
   -l1 --no-parent ${Link}${f} -O - 2>/dev/null | grep -Po 'PMC\d+' | head -n 1)
    if [ $PMCID ]; then
       wget  --user-agent="Mozilla/5.0 (Windows NT 5.2; rv:2.0.1) Gecko/20100101 Firefox/4.0.1" \
            -l1 --no-parent -A.pdf ${PMCLink}${PMCID}/pdf/ -O ${f}.pdf 2>/dev/null
    else
       echo "No PMC ID for $f"
    fi

done

运行此脚本将从您提供的 ID (10051005.pdf和10051007.pdf) 下载 2 个免费可用的 PDF，并打印其余的错误：

No PMC ID for 10021369
No PMC ID for 100562
No PMC ID for 10064668
No PMC ID for 10071185

您必须手动获取其余部分或弄清楚如何解析相关 URL。

答案2

这应该可以解决问题。截至 2016 年 5 月，作者似乎仍在积极维护代码。

https://github.com/billgreenwald/Pubmed-Batch-Download

相关内容