从uniprot网站上爬取蛋白质家族信息

2023-10-13 02:20

本文主要是介绍从uniprot网站上爬取蛋白质家族信息,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

原始数据:
在这里插入图片描述
逼话少说,上代码

import requests
import pandas as pd
from bs4 import BeautifulSoup
import time
from multiprocessing import Pool"""
类说明:从uniprot网站下获取蛋白的家族信息
Parameters:无
Returns:无
Modify:2020-01-09
"""class Downloader():def __init__(self):self.server = 'https://www.uniprot.org/uniprot/'self.file = r"D:\SMALL_MOLECULAR_AIDS\chembl\outcome\10uM(less)\uniprots(2806).csv"self.url = 'https://www.uniprot.org/uniprot/XXX#family_and_domains'self.uniprots = []self.headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:71.0) Gecko/20100101 Firefox/71.0','Upgrade-Insecure-Requests': '1'}self.outpath_txt(r"C:\Users\86177\Desktop\families.txt")"""函数说明:获取uniprotParameters:无Returns:无Modify:2020-01-07"""    def get_uni(self):        df = pd.read_csv(self.file)self.uniprots.extend(df['Uniprots'])"""函数说明:获取uniprot号的蛋白质家族信息Parameters:uniprotReturns:fam (protein's(uniprot's) family info)Modify:2020-01-09"""  def get_contents(self, uniprot):target = self.url.replace('XXX',uniprot)s = requests.session() rep = s.get(url = target,verify = False,headers = self.headers,timeout=30)rep.raise_for_status()soup = BeautifulSoup(rep.text,'html.parser')families = soup.select('#family_and_domains > div.annotation > a')fam = [i.get_text() for i in families]if fam != []:fam.extend([uniprot])else:families = soup.select('#family_and_domains > span > a ')fam = [i.get_text() for i in families]fam.extend([uniprot])print(fam)return fam"""函数说明:输出数据Parameters:family(protein's(uniprot's) family info)Returns:无Modify:2020-01-07"""     def write_txt(self,family):with open(self.outpath_txt, 'a') as f:f.write(str(family) + '\n')"""函数说明:将爬虫结果映射进原来的csv表格中Parameters:无Returns:无Modify:2020-01-09"""def trans_csv(self):df = pd.read_csv(self.file)families = {}with open (self.outpath_txt,'r') as f:text = f.readlines()for f_u in text:f_u = f_u.replace('\n','').split(',')families.update({f_u[len(f_u)-1]:'|'.join(f_u[0:(len(f_u)-1)])})uni_left = [uni for uni in list(df['Uniprots']) if uni not in families.keys()]for u in uni_left:families.update({u:None})df['Family'] = df['Uniprots'].map(lambda x:families[x])df.to_csv(self.file)if __name__ == "__main__":dl = Downloader()dl.get_uni()pool = Pool(processes = 8)for uniprot in dl.uniprots:try:pool.apply_async(func = dl.write_txt,args = (dl.get_contents(uniprot),))            print("uniprot:"+uniprot+"info download finished")time.sleep(0.5)except:print(uniprot+"download fail")pool.close()pool.join()dl.trans_csv()

输出结果:
在这里插入图片描述

可以看到还有一些uniprot没对应到家族,应该是网站结构改变没爬到,再探!!

这篇关于从uniprot网站上爬取蛋白质家族信息的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/200086

相关文章

Linux查看系统盘和SSD盘的容量、型号及挂载信息的方法

《Linux查看系统盘和SSD盘的容量、型号及挂载信息的方法》在Linux系统中,管理磁盘设备和分区是日常运维工作的重要部分,而lsblk命令是一个强大的工具,它用于列出系统中的块设备(blockde... 目录1. 查看所有磁盘的物理信息方法 1:使用 lsblk(推荐)方法 2:使用 fdisk -l(

如何关闭Mac的Safari通知? 3招教你关闭Safari浏览器网站通知的技巧

《如何关闭Mac的Safari通知?3招教你关闭Safari浏览器网站通知的技巧》当我们在使用Mac电脑专注做一件事情的时候,总是会被一些消息推送通知所打扰,这时候,我们就希望关闭这些烦人的Mac通... Safari 浏览器的「通知」功能本意是为了方便用户及时获取最新资讯,但很容易被一些网站滥用,导致我们

SpringBoot如何对密码等敏感信息进行脱敏处理

《SpringBoot如何对密码等敏感信息进行脱敏处理》这篇文章主要为大家详细介绍了SpringBoot对密码等敏感信息进行脱敏处理的几个常用方法,文中的示例代码讲解详细,感兴趣的小伙伴可以了解下... 目录​1. 配置文件敏感信息脱敏​​2. 日志脱敏​​3. API响应脱敏​​4. 其他注意事项​​总结

Web技术与Nginx网站环境部署教程

《Web技术与Nginx网站环境部署教程》:本文主要介绍Web技术与Nginx网站环境部署教程,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、Web基础1.域名系统DNS2.Hosts文件3.DNS4.域名注册二.网页与html1.网页概述2.HTML概述3.

springboot实现配置文件关键信息加解密

《springboot实现配置文件关键信息加解密》在项目配置文件中常常会配置如数据库连接信息,redis连接信息等,连接密码明文配置在配置文件中会很不安全,所以本文就来聊聊如何使用springboot... 目录前言方案实践1、第一种方案2、第二种方案前言在项目配置文件中常常会配置如数据库连接信息、Red

Go语言开发实现查询IP信息的MCP服务器

《Go语言开发实现查询IP信息的MCP服务器》随着MCP的快速普及和广泛应用,MCP服务器也层出不穷,本文将详细介绍如何在Go语言中使用go-mcp库来开发一个查询IP信息的MCP... 目录前言mcp-ip-geo 服务器目录结构说明查询 IP 信息功能实现工具实现工具管理查询单个 IP 信息工具的实现服

使用Python从PPT文档中提取图片和图片信息(如坐标、宽度和高度等)

《使用Python从PPT文档中提取图片和图片信息(如坐标、宽度和高度等)》PPT是一种高效的信息展示工具,广泛应用于教育、商务和设计等多个领域,PPT文档中常常包含丰富的图片内容,这些图片不仅提升了... 目录一、引言二、环境与工具三、python 提取PPT背景图片3.1 提取幻灯片背景图片3.2 提取

Linux下如何使用C++获取硬件信息

《Linux下如何使用C++获取硬件信息》这篇文章主要为大家详细介绍了如何使用C++实现获取CPU,主板,磁盘,BIOS信息等硬件信息,文中的示例代码讲解详细,感兴趣的小伙伴可以了解下... 目录方法获取CPU信息:读取"/proc/cpuinfo"文件获取磁盘信息:读取"/proc/diskstats"文

一文详解SQL Server如何跟踪自动统计信息更新

《一文详解SQLServer如何跟踪自动统计信息更新》SQLServer数据库中,我们都清楚统计信息对于优化器来说非常重要,所以本文就来和大家简单聊一聊SQLServer如何跟踪自动统计信息更新吧... SQL Server数据库中,我们都清楚统计信息对于优化器来说非常重要。一般情况下,我们会开启"自动更新

Python如何获取域名的SSL证书信息和到期时间

《Python如何获取域名的SSL证书信息和到期时间》在当今互联网时代,SSL证书的重要性不言而喻,它不仅为用户提供了安全的连接,还能提高网站的搜索引擎排名,那我们怎么才能通过Python获取域名的S... 目录了解SSL证书的基本概念使用python库来抓取SSL证书信息安装必要的库编写获取SSL证书信息