PubMed 全文下载器

批量下载用于检索和分析的论文全文 XML。Windows 和 Linux 均无需安装 Python、Rust、SQLite 或 OpenSSL。

下载

当前版本：0.1.1。

系统	下载包
Windows 10 / 11，x64	下载 Windows ZIP
Linux，x64	下载 Linux tar.gz

版本与校验文件。下载与阅读不需要账号。 压缩包包含程序、使用说明和许可证。解压后在终端运行，程序没有图形界面。

Windows

解压 ZIP，在解压目录打开 PowerShell，先试下载 20 个文章版本：

.\pubmed-bulk.exe download --all --limit 20 --out .\sample

确认可用后，用一个新目录开始全量下载：

.\pubmed-bulk.exe download --all --out D:\papers\pubmed

Linux

tar -xzf pubmed-bulk-0.1.1-linux-x64.tar.gz
cd pubmed-bulk-0.1.1-linux-x64
./pubmed-bulk download --all --limit 20 --out ./sample
./pubmed-bulk download --all --out /data/pubmed

程序是 x64 musl 静态二进制，不依赖系统 glibc 版本。

中断后继续

Ctrl+C 可以停止。再次运行原命令，或指定同一输出目录恢复：

.\pubmed-bulk.exe download --resume --out D:\papers\pubmed
.\pubmed-bulk.exe status --out D:\papers\pubmed
.\pubmed-bulk.exe verify --out D:\papers\pubmed

status 查看进度；verify 检查已经完成的文件，将缺失或损坏的文件放回队列，之后用 download --resume 修复。完成文件会跳过，未完成文件支持续传。

Linux 使用同样的参数，把程序名替换成 ./pubmed-bulk，并使用 Linux 输出路径。

下载范围与空间

全文来自 PMC 官方可批量获取的数据集，默认仅下载有 PubMed PMID 的文章版本。 PubMed 的每条题录不一定有可下载的全文。程序不会把摘要当成全文，也不会绕过付费访问限制。

全量模式先保存官方每日清单，再下载正文。它是百万级版本的任务；请将输出目录放到容量足够的存储。 --limit 20 限制纳入清单的版本数，筛选后成功数可能少于 20。试跑与全量下载必须使用不同目录。

同一文章的多个版本分别保存；对应 JSON 保留 DOI、许可、作者稿和撤稿等元数据。 若也需要没有 PMID 的 PMC 文章，创建新任务时加 --include-without-pmid。

按主题下载

.\pubmed-bulk.exe download --query 'cancer AND 2020:2025[pdat]' --out .\cancer
.\pubmed-bulk.exe download --pmids .\pmids.txt --out .\selected

pmids.txt 一行一个 PMID，或用空格、逗号分隔。全量清单模式不需要 NCBI API key。 主题检索建议设置联系邮箱 NCBI_EMAIL；有 key 时可设置环境变量 NCBI_API_KEY，不用写入命令。

常用选项

参数	用途
--workers 8	默认最多同时处理 8 个文章任务
--cloud-rps 20	默认 S3 请求限速，可按网络条件调整
--index-only	只保存清单，之后用 --resume 开始正文下载
--format pdf / --format txt	改为 PDF 或纯文本；仅下载官方提供的格式，需新输出目录
export --out <目录>	导出逐篇结果 results.jsonl

系统代理与 HTTP(S) 代理环境变量均可使用；单位代理可通过 --ca-bundle 指定可信 CA 文件。 全文完成前会核对官方 MD5，并检查 XML 结构。

许可

程序使用 MIT 许可，见压缩包内 LICENSE。第三方组件的许可文本在 licenses/ 与 THIRD_PARTY_NOTICES.txt。论文使用条件以每篇文章自身的许可为准。