R语言easyPubMed包get_pubmed_ids因特殊字符丢失搜索词的问题咨询

问题现象 #

使用R的easyPubMed包的get_pubmed_ids()函数统计物种相关文献总量时，当物种名称包含连字符或撇号，函数会丢失部分搜索词。例如：

• 搜索字符串："Tawny-breasted Tinamou[TI]"
• 原始查询：$OriginalQuery[1] "Tawny-breasted+Tinamou[TI]"
• 实际转换后的查询：$QueryTranslation[1] ""Tinamou"[Title]"
  导致所有Tinamou属物种均返回31篇文献，而无特殊字符的物种名称（如Common Raven）无此问题，且相同搜索词在NCBI网页端可正常检索。

原因分析 #

easyPubMed的get_pubmed_ids()函数在处理含特殊字符的查询字符串时，内部的查询解析或URL编码逻辑存在缺陷，未正确保留连字符、撇号这类特殊字符的短语语义，导致NCBI API接收到的查询被错误拆解，仅保留了短语的最后一个词。

解决方案 #

给包含特殊字符的物种名称添加英文双引号包裹，将整个物种名标记为一个完整的搜索单元，避免被NCBI API拆解。

单条查询示例 #

# 正确构造查询字符串，用英文双引号包裹物种名
pubmed_ids <- get_pubmed_ids('"Tawny-breasted Tinamou"[TI]')

执行后查看$QueryTranslation，正确结果应为""Tawny-breasted Tinamou"[Title]"，此时会精准匹配标题包含完整物种名的文献。

批量处理函数 #

如果需要批量处理多个物种名，可以编写辅助函数自动判断并添加引号：

format_pubmed_title_query <- function(species_name) {
  # 检测是否包含连字符或撇号
  if (grepl("[-']", species_name)) {
    paste0('"', species_name, '"[TI]')
  } else {
    paste0(species_name, '[TI]')
  }
}

# 使用示例
species_list <- c("Tawny-breasted Tinamou", "Common Raven", "Steller's Jay")
queries <- lapply(species_list, format_pubmed_title_query)
results <- lapply(queries, get_pubmed_ids)

内容的提问来源于stack exchange，提问作者GML0011