python 翻译库本地库_利用python爬取并翻译GEO数据库

原标题：利用python爬取并翻译GEO数据库

GEO数据库是NCBI创建并维护的基因表达数据库，始于2000年，收录了世界各国研究机构提交的高通量基因表达数据，现芯片集数据量高达12万以上。想要从这里面挖掘(bai piao)数据，发个sci提前毕业升职称？那么第一步就是筛选自己所需要的芯片集。

我采用的方法是利用python，爬取相关芯片集，翻译并整理成本地文件。(自带翻译心动吗？)

为什么要用python？因为人生苦短！对于我们这些非编程专业的人，python是极易上手的语言之一。其简洁的编程风格，深受小白们的喜欢。个人认为python的学习时间成本很低，只需要短短几周甚至几天，即可打造属于自己的定制爬虫。

那么，下面我们正式开始python爬取之旅！(python安装请自行百度)

第1步，在GEO进行初步检索。

我们检索“obesity”这个关键词，发现有1432个芯片集。我比较推荐数量在200到2000之间，这样既能保证数据足够，又避免审核过多芯片集会造成时间浪费。如果芯片集过多，可限定检索条件，如年份、组织、研究类型等。芯片集过少，可放宽检索条件或增加关联的关键词。

第2步，将每页显示调为500条芯片集，查看网页源代码并将所有代码保存到txt文件。

如果有多页，则需要一页一页点开，并将所有