如何通过编程在PubChem中实现化合物名称的模糊搜索？

问题背景 #

在PubChem网页手动搜索时：

• 关键词1-(2-Hydroxyphenyl)-2-phenyl ethanone：无完全匹配结果，但能找到4个部分匹配项；
• 关键词methane：显示1个最佳匹配（CID 297）+444027个相关化合物。

但使用以下代码调用API时，要么返回无匹配错误，要么仅返回最佳匹配结果：

import requests
prolog = "https://pubchem.ncbi.nlm.nih.gov/rest/pug"
a = requests.get(prolog + "/compound/name/1-(2-Hydroxyphenyl)-2-phenyl ethanone/json").json()
print(a)

输出错误信息：

{'Fault': {'Code': 'PUGREST.NotFound', 'Message': 'No CID found', 'Details': ['No CID found that matches the given name']}}

原因分析 #

默认的/compound/name/接口仅返回精确匹配或优先级最高的最佳匹配化合物，当没有精确匹配时就会返回NotFound错误，这和网页搜索默认的模糊/相关匹配逻辑不一致。

解决方法 #

要获取相关匹配结果，可使用以下两种API接口：

1. 同义词搜索接口（/compound/name/synonyms/） #

该接口会返回所有包含目标名称作为同义词、或名称相似的化合物，对应网页的部分匹配结果：

import requests

prolog = "https://pubchem.ncbi.nlm.nih.gov/rest/pug"
# 调用synonyms接口进行模糊名称搜索
response = requests.get(f"{prolog}/compound/name/synonyms/1-(2-Hydroxyphenyl)-2-phenyl ethanone/json")
if response.status_code == 200:
    data = response.json()
    print(data)
else:
    print(f"请求失败，状态码：{response.status_code}")

2. 通用搜索接口（/compound/search） #

该接口支持更灵活的搜索配置，可通过参数控制返回结果数量、过滤条件等：

import requests

prolog = "https://pubchem.ncbi.nlm.nih.gov/rest/pug"
# 构造搜索参数，limit控制返回结果数量
params = {
    "q": "1-(2-Hydroxyphenyl)-2-phenyl ethanone",
    "format": "json",
    "limit": 10  # 可根据需求调整返回数量
}
response = requests.get(f"{prolog}/compound/search", params=params)
if response.status_code == 200:
    data = response.json()
    print(data)
else:
    print(f"请求失败，状态码：{response.status_code}")

比如搜索methane时，使用这个接口并设置合适的limit值，就能获取到除最佳匹配外的其他相关化合物。

内容的提问来源于stack exchange，提问作者user19631495