记于23-10-22

舍友的导师给了个任务，给了一个csv文件，里面记录的是各种基因名，希望能够将csv内的所有基因名在RCSB上能不能搜出相应的蛋白并下载下来作序列比对。

于是打开一看

一共有540行数据，并且有些名称是错误的，在RCSB上不一定能搜到，如果要一个个复制下来去搜肯定是非常不现实的。所以这需要借助爬虫的力量。

所幸RCSB上有关于搜索的api与python的包提供助力：

而在github上也有相应的实例：

该代码块返回的是一个搜索结果的列表，而搜索结果是一系列PDB文件的名称。

因此，根据这个实例，我们可以编写这样的一个脚本，以上代码块是返回搜索结果的一个列表，而往往我们只需要提取搜索的第一个结果，也就是列表的第一位元素。根据搜索下来的元素，也就是pdb文件的名称，再去通过爬虫批量下载下来。

安装rcsb搜索包：

根据该思路写的一个脚本：

跑出来会生成fasta与pdb文件夹，里面存放这爬下来的fasta与pdb文件。