如何编程获取UniProt查询全量TSV结果（解决仅返回25条问题）

你当前仅拿到25条结果是UniProt REST API的默认分页规则导致的：接口默认单页返回25条记录，单次请求最大支持返回500条，必须通过分页遍历才能拉取全量结果。你当前使用的查询条件默认就会同时覆盖Swiss-Prot（已审阅）、TrEMBL（未审阅）两个库的所有数据，不需要额外加库筛选参数。

直接通过解析接口响应头中返回的下一页地址做循环拉取即可，不需要手动计算总页数、拼接分页参数，稳定性最高。可直接使用以下修改后的代码：

import requests
import sys
import re
import time

WEBSITE_API = "https://rest.uniprot.org"

def get_url(url, **kwargs):
    response = requests.get(url, **kwargs)
    if not response.ok:
        print(response.text)
        response.raise_for_status()
        sys.exit()
    return response

# 初始化请求地址，size设为单页最大值500减少请求次数，指定返回TSV格式
next_url = f"{WEBSITE_API}/uniprotkb/search?query=length%3A%5B100%20TO%20109%5D&fields=id,accession,length,sequence&size=500"
all_content = []
is_first_page = True

while next_url:
    r = get_url(next_url, headers={"Accept": "text/plain; format=tsv"})
    resp_text = r.text
    
    if is_first_page:
        # 第一页保留表头
        all_content.append(resp_text)
        is_first_page = False
    else:
        # 后续页跳过第一行表头，只追加数据行
        content_lines = resp_text.splitlines(keepends=True)
        all_content.extend(content_lines[1:])
    
    # 从响应头解析下一页地址
    next_url = None
    if "link" in r.headers:
        match = re.search(r'<([^>]+)>;\s*rel="next"', r.headers["link"])
        if match:
            next_url = match.group(1)
    
    # 结果量大时可打开下方注释，加间隔避免触发频率限制
    # time.sleep(1)

# 全量结果写入文件
with open("request.txt", "w", encoding="utf-8") as file:
    file.writelines(all_content)

• 单页size参数最大不要超过500，否则接口会直接返回参数错误
• 优先使用响应头返回的下一页链接翻页，不要手动拼接offset参数翻页，避免出现数据重复、遗漏的问题
• 如果查询区间对应的结果量较大（百万级以上），可以打开代码中注释的休眠逻辑，加1秒左右的请求间隔，避免触发接口频率限制
• 如果需要明确限定只查两个库、排除其他冗余数据源，可以将query参数替换为query=(length:[100 TO 109]) AND (reviewed:true OR reviewed:false)，和默认查询范围一致。

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