Extraction d'informations d'une base de données en ligne à l'aide d'une liste de numéros d'identification

Vous pouvez utiliser une boucle Shell pour traiter les identifiants, curl o wget pour obtenir les données, et des outils tels que pup pour traiter le HTML. Par exemple, disons que les ID se trouvent dans un fichier nommé foo Vous pouvez donc le faire :

while read id
do
    curl -sL "https://www.ebi.ac.uk/chembl/compound/inspect/$id" |
      pup 'tr:parent-of(td:contains("Canonical SMILES")) td:nth-child(2) text{}'
done < foo

Ici, j'ai utilisé le pup à la commande :

1. rechercher un tableau contenant Canonical SMILES - td:contains("...")
2. obtenir la ligne parentale de ce - tr:parent-of(...)
3. et imprime la deuxième cellule de cette ligne : td:nth-child(2) text{}

J'obtiens des résultats comme :

CC1=CN([C@H]2C[C@H](N=[N+]=[N-])[C@H](O2)C(=O)N)C(=O)NC1=O

NC(=O)[C@H]1O[C@H](C[C@@H]1N=[N+]=[N-])N2C=CC(=O)NC2=O

NC1=NC(=O)N(Cc2cn(nn2)[C@H]3C[C@H](O)[C@@H](CO)O3)C=C1

CC1(C)CC[C@@]2([C@H](O)C[C@]3(C)C(=CC[C@@H]4[C@@]5(C)CCC(N)C ...
Download SMILES

COC(=O)c1nn(c2cccc(F)c2)c3c4ccccc4S(=O)(=O)N(C)c13

COC(=O)[C@H](C)NP(=O)(OC[C@H]1O[C@@H](N2C=CC(=O)NC2=O)[C@](C ...
Download SMILES

CCO[C@]1(CO)O[C@H]([C@H](O)[C@@H]1O)N2C=CC(=NC2=O)N

Je vous laisse le soin d'examiner le code HTML et de trouver les autres filtres.