python GISAID 网站爬虫：fasta文件下载

python GISAID 网站爬虫：fasta文件下载

 关键词： GISAID；下载；fasta数据；DNA序列；脚本；python；自动化。

简介：

GISAID是流行病毒共享组织，网址“www.gisaid.org”，服务器位于美国洛杉矶、旧金山等地， 需要教育邮箱注册账号才能访问其数据。它的网站比较老旧，其中的病例数据、DNA序列文件有单次获取量限制。网站管理员从不回复任何消息。最关键的是，网站代码是动态的、并且有验证码，所以爬虫初学者往往很难在几周之内完成这个爬虫。

我已经写好了fasta文件和病例信息自动化获取的程序，发布在博客园。（估计也没人会转载吧，想拿就随便拿去吧）

使用步骤：

1.安装python

安装好python， 将python安装路径加入系统路径Path

2. 安装selenium软件包

同时按住win徽标键 + R键，输入cmd打开DOS窗口,

　输入命令:

?

pip install selenium

3.下载火狐浏览器selenium驱动

下载火狐；

在Issues · mozilla/geckodriver (github.com) ，下载对应版本的geckodriver驱动，解压出geckodriver.exe。

 

 

4.下载脚本并运行

在c4-driod/GISAID-spiders: A selenium spider for GISAID (github.com)下载gis_fasta文件，将geckodriver.exe放入脚本所在目录。

双击“start_gui.py”，输入信息，开始运行（界面有更新，这里懒得放了）。