用途:该 API 提供 PubMed Central 开放获取全文的 BioC 格式数据,面向生物医学文本挖掘、命名实体识别、关系抽取等 NLP 流程。相比标准 PMC OAI 返回的 JATS XML,BioC 已把正文切分为带偏移量标注的段落,更适合程序化处理。免费,无需认证。
主要能力:按 PMCID 获取文章,支持 JSON 与 XML 两种格式;unicode 保留非 ASCII 字符,ascii 会剥离非 ASCII 字符。返回的 passages 中 infons.section_type 标识章节(TITLE、ABSTRACT、INTRO、METHODS、RESULTS、DISCUSS、CONCL、REF、FIG、TABLE),offset 为相对文档起点的字符偏移,text 为段落纯文本。按 PMID 查询需先经 ID 转换接口换成 PMCID。
使用方式:基础地址为 https://www.ncbi.nlm.nih.gov/research/bionlp/RESTful/pmcoa.cgi/BioC_json/{PMCID}/unicode,将 BioC_json 换成 BioC_xml 可得 XML。示例:curl "https://www.ncbi.nlm.nih.gov/research/bionlp/RESTful/pmcoa.cgi/BioC_json/PMC6267067/unicode"。按 PMID 时先请求 curl "https://www.ncbi.nlm.nih.gov/pmc/utils/idconv/v1.0/?ids=29346600&format=json" 获取 PMCID。也可用 Python requests 请求并解析 documents[].passages[]。
适用场景与限制:覆盖 PMC 开放获取子集(约 400 万篇以上 CC 许可文章)及 NIH 资助作者手稿,每日更新。速率限制遵循 NCBI 标准,每秒 3 次请求;批量访问建议改用 PMC FTP 服务。可在请求中附加 tool 与 email 参数以获得优先队列。用于发表时按资料要求引用相应文献。