修改R语言europepmc包GET请求 获取机构授权的PMC文献全文

• epmc_ftxt默认请求的是Europe PMC的公开开放获取接口，该接口仅对OA子集文献返回XML全文，本身不支持机构订阅权限校验，无论给这个接口加什么认证凭证，都无法获取非OA文献，这也是持续收到404报错的核心原因，和请求有没有带凭证没有关系。
• 院校订阅的授权逻辑是：在机构IP段/VPN/认证代理环境下，访问出版商或PMC的授权服务端点才能获取对应内容，和Europe PMC的公开OA接口是两套独立体系。

方案1：机构网络环境下直连PMC全文端点 #

连接院校VPN或处于校园网IP段时，直接将请求目标替换为PMC官方的全文服务端点即可，修改后的函数如下：

epmc_ftxt_auth <- function(ext_id = NULL) {
  if (!grepl("^PMC", ext_id)) {
    stop("请输入以PMC开头的PMCID")
  }
  # 拼接PMC全文接口地址
  pmc_id_num <- gsub("^PMC", "", ext_id)
  req <- httr::RETRY(
    verb = "GET",
    url = paste0(
      "https://www.ncbi.nlm.nih.gov/pmc/oai/oai.cgi?",
      "verb=GetRecord&metadataPrefix=pmc&identifier=oai:pubmedcentral.nih.gov:",
      pmc_id_num
    ),
    # 若机构要求指定代理访问，取消下方注释并填入对应代理参数
    # config = httr::use_proxy(url = "机构代理地址", port = 代理端口)
  )
  httr::stop_for_status(req, "获取全文，请确认当前处于机构授权网络环境")
  httr::content(req, as = "text", encoding = "utf-8") %>%
    xml2::read_xml()
}

• 校外访问时如果机构要求走专属代理，把代码里注释的代理配置补全即可。

方案2：携带认证Cookie访问 #

如果机构需要网页登录认证后才能访问文献资源，可以先通过浏览器登录院校的文献访问入口，从开发者工具复制有效Cookie，传入请求头即可：

# 从浏览器开发者工具中复制登录后的有效Cookie字符串
valid_auth_cookie <- "替换为你实际获取的Cookie内容"

epmc_ftxt_cookie <- function(ext_id = NULL, auth_cookie = NULL) {
  if (!grepl("^PMC", ext_id)) {
    stop("请输入以PMC开头的PMCID")
  }
  pmc_id_num <- gsub("^PMC", "", ext_id)
  req <- httr::RETRY(
    verb = "GET",
    url = paste0(
      "https://www.ncbi.nlm.nih.gov/pmc/oai/oai.cgi?",
      "verb=GetRecord&metadataPrefix=pmc&identifier=oai:pubmedcentral.nih.gov:",
      pmc_id_num
    ),
    config = httr::add_headers(Cookie = auth_cookie)
  )
  httr::stop_for_status(req, "获取全文，请确认Cookie有效且账号拥有对应文献访问权限")
  httr::content(req, as = "text", encoding = "utf-8") %>%
    xml2::read_xml()
}

# 调用示例
# epmc_ftxt_cookie("PMC2701033", auth_cookie = valid_auth_cookie)

• 无需浪费时间修改原函数给Europe PMC的OA接口加认证信息，该端点本身不返回非OA内容，任何认证参数都不会生效。
• 下载的文献仅可用于个人学术研究，严格遵守数据库和机构的资源使用规范，禁止批量爬取或商用。
• 如果机构未订阅对应期刊/文献，即使处于授权网络或携带有效凭证，依然会返回权限错误。

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