仪器信息网APP

选仪器、听讲座、看资讯

立即体验

当前位置：仪器社区 >色谱 > 气相色谱（GC） > 帖子详情

旁门左道：批量下载化合物结构式

姜川

2023/08/23
Chromcycle

气相色谱（GC）

旁门左道：批量下载化合物结构式

1 项目描述

本项目实现了利用化合物CAS编号从爱化学（ichemistry.cn）网站查询化合物信息并下载相对应的化合物结构式，然后将其导入到Excel文件中，以便打印和随时阅读。如图所示：

图1 结果实例

2 功能要求

2.1 批量读取excel文件中的数据

2.2 根据CAS号码批量下载化合物的结构式的.png或.gif图片

2.3 将图片批量插入数据表格中

3 功能实现

3.0 使用之前开发的批量获取PDF文件中的表格数据获取对应的表格信息，使用pandas对数据进行清洗，保存到excel文件中。详细信息请了解：旁门左道：如何一键提取pdf文档中的全部表格https://bbs.instrument.com.cn/topic/8245597_1_1_2_1_1

3.1 使用pandas对excel数据导入，这里导入已经经过清洗后的数据。

图2

3,2 使用requests构建URL并对URL发起请求，获取图片的SRC。

图3

3.3 使用requests下载图片的SRC的内容，并写入对应的图片文件。这里的图片文件名称使用cas编号直接命名，防止重名。

图4

3.4 使用openpyxl，读取excel文件并批量将图片插入CAS编号对应的单元格。

图5

3.5 使用excel中的嵌入指令将图片嵌入到单元格（非必须，也可以选择浮在单元格上方）

图6

4 使用方法

4.1 代码的使用需要有简单的python基础。

4.2 先展示代码的部分，水一篇帖子。需要的人多的话，会做成桌面小程序。

5 项目总结

在有机分析人员日常工作中，经常需要了解化合物的结构式，以便观察其功能基团，结构，极性等，这个demo主要解决上述问题。

这个demo的代码部分主要使用了openpyxl、requests、pandas对数据和图片进行处理、请求、下载等操作，最终实现一个完整的功能。

遇到的困难和核心难点主要有：

* 删除数据中的空值行和含有特定字符的行（数据清洗）。

* 请求网站的选择需要注意，测试了多个网站，目前爱化学比较稳定但速度较慢，估计是没钱租服务器了。

* 对于未找到图片的化合物下载的问题（目前未解决）。

* 图片批量导入只能执行一次，避免重复导入。

* 直接嵌入单元格图片的功能仍未实现

* 没有做单元格高度和宽度的调整。

6 成果展示

图7
旁门左道系列：
《旁门左道：如何一键提取PDF文档中全部表格》https://bbs.instrument.com.cn/topic/8245597
《旁门左道：如何批量提取坛墨质检标准物质证书》https://bbs.instrument.com.cn/topic/8246943_1_3_1_1_2

分
该帖子已被版主-zyl3367898加20积分，加2经验;加分理由:原创有奖

相关话题

xx_dxd_xx

第1楼2023/08/23

不错的想法。不过要防止代码被奸商拿去滥用。有些人用代码把别人整个网站的数据都抓过来，然后打包卖钱。我在闲鱼上看到过这种

3

姜川

第2楼2023/08/23

这代码稍微动点心思就编出来了，应该不难吧。不过爱化学的服务器本来就不太行，这样会爬崩了啊zzzzzzzz
xx_dxd_xx(xx_dxd_xx) 发表:不错的想法。不过要防止代码被奸商拿去滥用。有些人用代码把别人整个网站的数据都抓过来，然后打包卖钱。我在闲鱼上看到过这种

3

yifan1117

第3楼2023/08/23

厉害，可以试试。

1

zyl3367898

第4楼2023/08/23

应助达人

很实用的工具，楼主是个高手。

2

许之秦

第5楼2023/08/23

应助工程师

有的化合物会有两个CAS号，这个在命名图片时候有处理方法么

2

123

第6楼2023/08/24

应助达人

谢谢分享！

2

m3316431

第7楼2023/08/24

非常实用，期待更多好的作品

2

姜川

第8楼2023/08/24

目前已登记的化合物和cas编号是一一对应的。不过在日常的工作中经常会出现多个物质共出的情况，比如间二甲苯+对二甲苯，对应的cas号码分别108-38-3,106-42-3。可以用正则匹配进行判断。
图1

这个函数的返回一个列表，通过遍历cas列，通过列表长度可以判断该行的化合物对应几个cas号码，如果是1个，则按照正常处理。其他则按照异常处理。在异常处理中，可以下载第一个cas的结构式,并以此命名。在导入到excel的过程中，可以通过isin()函数确定cas是否在对应的单元格的行。
图2

图3

通过新增观察列，即新增列表长度列，再结合pandas的筛选功能，即可将异常列的数据筛选出来。不过如果这种异常值不多的话，只要代码能跑通。不处理也没关系。

许之秦(xianshijiyi) 发表:有的化合物会有两个CAS号，这个在命名图片时候有处理方法么

2

许之秦

第9楼2023/08/24

应助工程师

不错不错，期待楼主更多优秀想法
姜川(Insm_2319aa93) 发表:目前已登记的化合物和cas编号是一一对应的。不过在日常的工作中经常会出现多个物质共出的情况，比如间二甲苯+对二甲苯，对应的cas号码分别108-38-3,106-42-3。可以用正则匹配进行判断。
图1

这个函数的返回一个列表，通过遍历cas列，通过列表长度可以判断该行的化合物对应几个cas号码，如果是1个，则按照正常处理。其他则按照异常处理。在异常处理中，可以下载第一个cas的结构式,并以此命名。在导入到excel的过程中，可以通过isin()函数确定cas是否在对应的单元格的行。
图2

图3

通过新增观察列，即新增列表长度列，再结合pandas的筛选功能，即可将异常列的数据筛选出来。不过如果这种异常值不多的话，只要代码能跑通。不处理也没关系。

0

liangzi0312

第10楼2023/08/25

感谢分享……

0

查看更多

近期热榜

热门活动

猜你喜欢最新推荐热门推荐

品牌合作伙伴

6月26日马尔文帕纳科现场直播间

日立科学仪器

珀金埃尔默仪器（上海）有限公司（PerkinElmer）

珀金埃尔默仪器（上海）有限公司（PerkinElmer）

日本电子株式会社

赛默飞世尔科技

马尔文帕纳科

上海仪电科仪

梅特勒托利多

布鲁克核磁

举报帖子

点赞用户

好友列表

加载中...

正在为您切换请稍后...