在 Python 中解析 MeSH ASCII 格式

#!/usr/bin/env python3
"""
MeSH ASCII 格式的简单解析器，可从此处下载：
ftp://nlmpubs.nlm.nih.gov/online/mesh/.asciimesh/d2015.bin

有关 MeSH 标题（即结果映射中的键）的参考，请参见
https://www.nlm.nih.gov/mesh/meshhome.html

最初发布在 TechOverflow.net
"""
from collections import defaultdict

__author__ = "Uli Köhler"
__copyright__ = "Copyright 2015, Uli Köhler"
__license__ = "CC0 1.0 Universal"
__version__ = "1.0"

def readMeSH(fin):
    """
    给定类文件对象，生成 MeSH 对象，即
    每个限定符具有值列表的字典。

    示例：{"MH": ["Acetylcysteine"]}

    """
    currentEntry = None
    for line in fin:
        line = line.strip()
        if not line:
            continue
        # 处理新记录。MeSH 明确标记此
        if line == "*NEWRECORD":
            # 生成旧条目，初始化新条目
            if currentEntry:
                yield currentEntry
            currentEntry = defaultdict(list)
            continue
        # 行示例："MH = Acetylcysteine"
        key, _, value = line.partition(" = ")
        # 追加到值列表
        currentEntry[key].append(value)
    # 如果还有非空条目，生成它
    if currentEntry:
        yield currentEntry

if __name__ == "__main__":
    # 如何使用 readMeSH() 的示例
    import argparse
    parser = argparse.ArgumentParser()
    parser.add_argument("file")
    args = parser.parse_args()
    with open(args.file, "r") as infile:
        # readMeSH() 生成 MeSH 对象，即字典
        for entry in readMeSH(infile):
            print(entry)