literature-search-europepmc

Europe PMC 数据库

用于搜索、下载和探索 Europe PMC 开放获取论文的技能。Europe PMC 是一个全面且免费的生命科学文献数据库，包含超过 4300 万篇摘要和 900 万篇全文文章。

前置条件

1. uv：阅读 uv 技能，并按照其中的 Setup 说明操作，确保已安装 uv 且其位于 PATH 中。
2. 用户通知：如果工作区根目录中尚不存在 .licenses/literature_search_europepmc_LICENSE.txt，则（1）醒目地通知用户查看 https://europepmc.org/ 上的条款，并始终检查通过此技能检索的论文的许可证是否有任何限制；然后（2）创建该文件，记录通知文本和时间戳。

核心规则

• 仅限开放获取：此技能仅搜索开放获取内容。脚本会自动将 OPEN_ACCESS:y 附加到每个搜索查询中。切勿移除或覆盖此筛选条件。
• 切勿直接运行 python3 或 python3 -c：系统 Python 不一定包含所有关键依赖项。不要尝试通过 pip 安装或创建新的 venv。
• 使用包装脚本：务必使用提供的脚本，而不要直接调用 API。脚本会处理速率限制（1 req/s）和错误。
• 输出文件：所有子命令都必须使用 --output 将结果写入文件。请另行读取输出文件，以避免上下文溢出。
• **列出来源。**如果使用此技能，请确保在输出中提及，并列出所有用于生成输出的论文 URL。

实用脚本

所有命令都是 scripts/europepmc_api.py 的子命令。速率限制和重试均由脚本自动处理。

1. 搜索（search）

按查询搜索 Europe PMC。支持 DOI 查找、关键词搜索、作者搜索、PMID 查找，以及完整的 Europe PMC 搜索语法。

# Look up a paper by DOI
uv run scripts/europepmc_api.py search "DOI:10.1038/s41586-021-03819-2" --output result.json

# Keyword search
uv run scripts/europepmc_api.py search "CRISPR cancer" --max_results 5 --output results.json

# Author search
uv run scripts/europepmc_api.py search "AUTH:Jumper J" --max_results 10 --output results.json

# PMID lookup
uv run scripts/europepmc_api.py search "EXT_ID:34265844 AND SRC:MED" --output result.json

# Sorted by citations
uv run scripts/europepmc_api.py search "machine learning" \
  --sort "CITED desc" --max_results 20 --output results.json

参数：

• query（str，必填）——使用 Europe PMC 语法的搜索查询
• --output（str，必填）——输出 JSON 文件路径
• --max_results（int，默认值 10）——每页的最大结果数（最多 1000）
• --result_type（str，默认值 core）——core（完整元数据）或 lite
• --cursor（str，默认值 *）——用于分页的游标标记；传入之前响应中的 nextCursorMark 值以获取下一页
• --sort（str）——排序顺序，例如 CITED desc、P_PDATE_D desc（按出版日期降序）、P_PDATE_D asc

**输出：**包含三个字段的 JSON 文件：

• hitCount（int）——匹配文章总数
• nextCursorMark（str）——下一页的游标；没有更多页面时为空字符串
• results（list）——文章元数据对象数组

搜索语法速查：

• DOI:10.xxxx/yyyy——按 DOI 查找
• EXT_ID:12345678 AND SRC:MED——按 PMID 查找
• AUTH:surname initials——搜索作者
• TITLE:keyword——仅搜索标题
• JOURNAL:name——按期刊搜索
• PUB_YEAR:2024 或 (FIRST_PDATE:[2023-01-01 TO 2023-12-31])——日期筛选
• HAS_FT:y——限制为在 Europe PMC 中有全文的文章
• 布尔运算符：AND、OR、NOT

注意：OPEN_ACCESS:y 会自动附加到所有查询中。无需手动添加。

2. 下载 PDF（download_pdf）

通过 PMCID 从 Europe PMC 下载开放获取 PDF。

uv run scripts/europepmc_api.py download_pdf PMC8371605 --output alphafold.pdf

参数：

• pmcid（str，必填）——PubMed Central ID（例如，PMC8371605）
• --output（str，必填）——保存 PDF 的文件路径

**输出：**将 PDF 保存到指定文件。如果找不到 PMCID，或响应不是有效的 PDF，则会报错退出。每次下载 PDF 后，都要检查下载的 PDF 是否为空或已损坏。

3. 获取全文（get_fulltext）

获取开放获取文章的全文并保存到文件。默认返回纯文本（已剥除 XML 标签），也可通过 --format xml 返回原始 XML。

# Get plain text (default)
uv run scripts/europepmc_api.py get_fulltext PMC8371605 --output fulltext.txt

# Get raw XML
uv run scripts/europepmc_api.py get_fulltext PMC8371605 --format xml --output fulltext.xml

参数：

• pmcid（str，必需）— PubMed Central ID
• --output（str，必需）— 输出文件路径
• --format（str，默认值为 text）— text（纯文本）或 xml（原始 JATS XML）

输出： 将全文写入指定文件。如果文章不属于 Europe PMC 开放获取子集，则会报错退出。

重要：只有 PMC 开放获取子集中的文章才提供全文。如果获取失败，请使用 search 检查 isOpenAccess 字段，并回退到摘要。

4. 获取引用（get_citations）

获取引用了指定论文的文章。

# Get citations for the AlphaFold paper (PMID 34265844)
uv run scripts/europepmc_api.py get_citations MED 34265844 \
  --page_size 25 --output citations.json

参数：

• source（str，必需）— 来源数据库：MED（PubMed）、PMC、PPR （预印本）、PAT（专利）
• article_id（str，必需）— 来源数据库中的文章 ID
• --output（str，必需）— 输出 JSON 文件路径
• --page（int，默认值为 1）— 页码
• --page_size（int，默认值为 25）— 每页结果数

输出： 包含 hitCount 和 citations 数组的 JSON 文件。

5. 获取参考文献（get_references）

获取指定论文的参考文献列表（书目）。

# Get references from the AlphaFold paper
uv run scripts/europepmc_api.py get_references MED 34265844 \
  --page_size 100 --output references.json

参数：

• source（str，必需）— 来源数据库：MED、PMC、PPR、PAT
• article_id（str，必需）— 来源数据库中的文章 ID
• --output（str，必需）— 输出 JSON 文件路径
• --page（int，默认值为 1）— 页码
• --page_size（int，默认值为 25）— 每页结果数

输出： 包含 hitCount 和 references 数组的 JSON 文件。

常见工作流

DOI 转 PDF

# Step 1: Search for the PMCID
uv run scripts/europepmc_api.py search "DOI:10.1038/s41586-021-03819-2" --output result.json
PMCID=$(jq -r '.results[0].pmcid // empty' result.json)

# Step 2: Download the PDF
uv run scripts/europepmc_api.py download_pdf "$PMCID" --output paper.pdf

PMID 转全文

# Step 1: Find the PMCID from a PMID
uv run scripts/europepmc_api.py search "EXT_ID:34265844 AND SRC:MED" --output result.json
PMCID=$(jq -r '.results[0].pmcid // empty' result.json)

# Step 2: Get the full text
uv run scripts/europepmc_api.py get_fulltext "$PMCID" --output fulltext.txt

引用图遍历

# Find what papers cite a landmark study, then check their references
uv run scripts/europepmc_api.py get_citations MED 34265844 --page_size 50 --output citing.json
# Parse a cited paper's PMID and explore its references
uv run scripts/europepmc_api.py get_references MED <CITING_PMID> --output refs.json

分页搜索

# First page
uv run scripts/europepmc_api.py search "CRISPR" --max_results 100 --output page1.json
# Extract cursor for next page
CURSOR=$(jq -r '.nextCursorMark // empty' page1.json)
# Next page
uv run scripts/europepmc_api.py search "CRISPR" --max_results 100 --cursor "$CURSOR" --output page2.json