做网站想要个计算器功能,网站建设 广州网站建设专业公司,黑龙江 哈尔滨,推广平台的文案背景#xff1a; 前几天老师交给我一个任务#xff0c;给我一个基因列表#xff0c;让我查找它们所编码的蛋白质的蛋白质序列。我上了一下uniprot数据库#xff0c;发现这个任务可以分成两步#xff1a; 找到这个基因在Uniprot数据库中所对应的蛋白质编码根据蛋白质编码…背景 前几天老师交给我一个任务给我一个基因列表让我查找它们所编码的蛋白质的蛋白质序列。我上了一下uniprot数据库发现这个任务可以分成两步 找到这个基因在Uniprot数据库中所对应的蛋白质编码根据蛋白质编码批量下载蛋白质序列以前的文章 下面我们以基因“BOP1”为例 然后可以看到 这里我们可以看到有一个个框代表不同的蛋白。我们要找的是人所以应该是Homo sapiens。Gene也是BOP1。对应上了Q14137就是我们要找的uniprot编码。也可以这样说BOP1~Q14137。 知道了一个那好办给我们1001000个呢这时候我们的爬虫就出现了。直接给代码 # 导包 import pandas as pd from selenium.webdriver.common.by import By from selenium.webdriver.support.ui import WebDriverWait from selenium.webdriver.support import expected_conditions as EC from selenium import webdriver from selenium.webdriver.edge.options import Options from openpyxl import Workbook workbook Workbook() sheet workbook.active#加载selenium配置 user_data_dir rC:\Users\***** options Options() options.add_argument(f--user-data-dir{user_data_dir}) driver webdriver.Edge(optionsoptions) #读取文件 file_path r*****/step1.xlsx df pd.read_excel(file_path, headerNone) # 获取蛋白名称列的数据 protein_names df[0].tolist() #开爬 for protein in protein_names:# 构建带有查询参数的URLurl fhttps://www.uniprot.org/uniprotkb?query{protein}print(url)driver.get(url)# 使用Selenium等待页面加载完成最多等待30秒wait WebDriverWait(driver, 30)wait.until(EC.presence_of_element_located((By.XPATH, /html/body/div/div/div/div/main/ul/li[2]/section/div[1]/div[1]/h2/a/span)))# 使用XPath查找页面上的内容#xpath_expression /html/body/div/div/div/div/main/ul/li/section/div[1]/div[1]/h2/a/spanxpath_expression /html/body/div/div/div/div/main/ul/li/section/div[1]/div[2]/div# 使用XPath查找页面上的内容ul driver.find_element(By.XPATH, /html/body/div/div/div/div/main/ul)lis ul.find_elements(By.TAG_NAME, li)for li in lis:title li.find_element(By.XPATH, ./section/div[1]/div[2]/div).textresult title.split(·)if protein in result[1] and Homo sapiens (Human) in result[2]:protein_slice li.find_element(By.XPATH, ./section/div[1]/div[1]/h2/a/span).textprotein_slice protein_slice.split(·)result [x.strip() for x in protein_slice]protein_name result[0]sheet.append([protein, result[0]])breakoutput_file output2.xlsx workbook.save(output_file)# 关闭浏览器 driver.quit()我们来看看输出文件