pubmed_parser

收录理由

PubMed 的 XML 记录格式繁杂，不同期刊和数据库版本之间差异不小，很多团队都为此重复写过脆弱的解析代码。这个库把这些工作集中做了一遍：它能读取 PubMed 开放获取子集、MEDLINE XML 以及 Entrez E-utils 返回的数据，并转换成普通的 Python 字典，同时提供文章元数据、引用、段落、图片、图注和基金编号等解析器。做文本挖掘、文献计量或生物医学 NLP 的人，可以把精力放在分析本身，而不是纠结于记录格式的细节。代码量不大，读起来不费劲，也方便按需修改；如果内置解析器没有覆盖某个字段，直接扩展即可，不必从零开始。