python GISAID 網站爬蟲：fasta文件下載

 關鍵詞： GISAID；下載；fasta數據；DNA序列；腳本；python；自動化。

簡介：

GISAID是流行病毒共享組織，網址“www.gisaid.org”，服務器位於美國洛杉磯、舊金山等地， 需要教育郵箱注冊賬號才能訪問其數據。它的網站比較老舊，其中的病例數據、DNA序列文件有單次獲取量限制。網站管理員從不回復任何消息。最關鍵的是，網站代碼是動態的、並且有驗證碼，所以爬蟲初學者往往很難在幾周之內完成這個爬蟲。

我已經寫好了fasta文件和病例信息自動化獲取的程序，發布在博客園。（估計也沒人會轉載吧，想拿就隨便拿去吧）

使用步驟：

1.安裝python

安裝好python， 將python安裝路徑加入系統路徑Path

2. 安裝selenium軟件包

同時按住win徽標鍵 + R鍵，輸入cmd打開DOS窗口,

　輸入命令:

pip install selenium

3.下載火狐瀏覽器selenium驅動

下載火狐；

在Issues · mozilla/geckodriver (github.com) ，下載對應版本的geckodriver驅動，解壓出geckodriver.exe。

 

 

4.下載腳本並運行

在c4-driod/GISAID-spiders: A selenium spider for GISAID (github.com)下載gis_fasta文件，將geckodriver.exe放入腳本所在目錄。

雙擊“start_gui.py”，輸入信息，開始運行（界面有更新，這里懶得放了）。