NCBI批量下载基因序列

1、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。

2、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。

3、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 urllib

import urllib.request

from urllib.error import HTTPError

from bs4 import BeautifulSoup

import re

import time

from selenium import webdriver

file=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'])

4、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 '菌毙report' in i['href']:

       追光         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()

此方法用用于进胳川良入基因序列页面并获取数据

5、for i in data:

    file.write(i+"\n")   

file.close()

写入数据到txt 文档中。并保存关闭。

6、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：