当前位置:首页 » 常用网址

PubMed

链接直达手机查看
qrcode

认知网精选 · 认知

PubMed

四千万条文献,一级标题写的是「主页」
整页只有一个 h1,文本是 Home Page,位置在屏幕左外四万像素。
pubmed.ncbi.nlm.nih.gov
✓ 政府官方美国国家医学图书馆 主办 · PubMed 由该馆生物技术信息中心维护

唯一的一级标题,被推到屏幕左外四万像素

PubMed 首页的 DOM 里,h1 只有一个。文本是 Home Page,两个词。

它的 class 是 usa-sr-only,横向坐标是负三万九千九百六十像素。字号四十像素。

也就是说,这个标题字号很大,位置在视口左边四万像素之外。视力正常的用户翻完整页也看不到它。

usa-sr-only 这个类名来自美国政府网站设计系统,作用是让元素只对读屏软件可见。它做的事很简单,把元素挪出视口,不占版面。

于是出现一个错位。类只负责挪位置,不负责改字号,所以你给一个视觉上不存在的元素设了四十像素,它照样是四十像素。

读屏用户听到的是「一级标题,主页」。视力用户看到的是搜索框和一行说明。两种人拿到的是两个不同的页面。

和另一个站对照着看

同在一个索引里,另有站点整页没有 h1,最大的标题是 h2。那家是把缺失摆在明面上。

PubMed 不是缺失,是补了但补在看不见的地方。两种做法在标签层面都合规,差别在于:一个承认没有,一个留了个占位。

判断一个页面有没有标题,不能只数标签。要数标签,还要看它落在哪。这一条是我在这次抓取里学到的。

六个 h2 里,四组是入口,两组是内容

整页六个 h2,依次是 Learn、Find、Download、Explore、Trending Articles、PubMed Updates。

6h2 总数
11入口链接
5热门文章
4更新条目

前三组各三项。Learn 是 About PubMed、FAQs & User Guide、Finding Full Text。Find 是 Advanced Search、Clinical Queries、Single Citation Matcher。Download 是 E-utilities API、FTP、Batch Citation Matcher。

Explore 组看起来也是三项:MeSH Database、Journals、Trending Articles。但前两项是链接,第三项不是。Trending Articles 本身就是一个 h2。

也就是说,Trending 这个内容区块,在容器上被算进了 Explore 组,在标题层级上却和 Explore 平级。视觉上它是下一块,标签上它是兄弟。

四个动词开头的分组名

Learn 学、Find 找、Download 拿、Explore 逛。四个单字动词,四组入口,一共十一项。

这个分法不按数据类型分,按用户想干什么分。想学就去 Learn,想找就去 Find。分类学上这叫任务导向,比按「数据库」「工具」「文档」分更接近使用场景。

代价是同一件东西可能出现在两组。Advanced Search 在 Find 里,Single Citation Matcher 和 Batch Citation Matcher 名字只差一个词,却分在 Find 和 Download 两组。

热门榜单第一名,是二〇二一年的一篇病例报告

Trending Articles 下列五条。第一条发表于 2021 年,标题是一篇关于兔肤蝇的病例报告,期刊是医学昆虫学杂志。

其余四条都是 2026 年的文章,分别来自 Nature、新英格兰医学杂志、Nature、柳叶刀。

榜单上方有一句说明:PubMed records with recent increases in activity。近期活动量上升的记录。

按这句说明,排序依据不是发表时间,不是引用次数,是最近一段时间被访问、被检索的增量。

这个榜单在测什么

二〇二一年的文章能压过四篇今年的顶刊,只有一种解释:它近期被大量访问。可能因为某个新闻事件,可能因为某门课在讲,可能因为某篇综述引了它。

总之,它测的是人的动作,不是文章的质量。这两个东西经常相关,但不等价。

所以引用这个榜单要小心。写「PubMed 首页推荐了这五篇」,成立。写「这五篇是当前最重要的研究」,不成立。

五条记录每条都带三样东西:作者加 et al、期刊名、年份、PMID。格式是固定的,不写摘要,不写影响因子。

更新公告只留四条,最早的一条在三月三十一日

PubMed Updates 下列四条,日期分别是九月二十九日、九月二十四日、四月十六日、三月三十一日。

四条,跨度半年。也就是说这不是全部更新记录,是最近四条。再往前的内容不在这页上。

第一条讲 2027 年的数据基线,原文写 There will be no change to the PubMed DTD for 2027。同一段又说有两项数据变更将在 2027 基线发布时生效。

「格式不变,但有两项变更」,两句挨着写,读起来像矛盾。其实是两层:DTD 是文档类型定义,管结构;另外两项管数据内容。结构不动,内容动。

四个标题的写法各不相同

第一条是陈述句,讲时间与对象。第二条带商标符号,是一个产品名。第三条讲一个订阅地址换了。第四条讲筛选器的口径跟着主题词表调整。

四条公告没有统一模板,长度从一行到三行不等。这种不统一在官方站点里常见,因为每条由不同的人在不同时间写。

对使用者的意义只有一条:这四条都涉及数据形态的变化,也就是接口、字段、筛选条件。抓取方要跟进的就是这一类。

页脚十二个链接,最底一行是四级上级

页脚分三块。第一块是关注与联系,第二块是政策与免责,第三块是帮助与招聘。

第一块给了机构全称与街道地址,国家医学图书馆,马里兰州贝塞斯达,罗克维尔派克 8600 号,邮编 20894。

第二块三项:网站政策、信息自由法、卫生与公众服务部漏洞披露。第三块三项:帮助、无障碍、招聘。

最底一行四个缩写:NLM、NIH、HHS、USA.gov。从图书馆到卫生与公众服务部,再到联邦总入口,四级。这是美国联邦站点常见的收尾方式,把上级链一次列全。

自述写 more than,不写精确数字

首屏说明是 PubMed comprises more than 40 million citations for biomedical literature from MEDLINE, life science journals, and online books。

四千万条以上,给下限不给精确值。同一句话把收录范围也划了:MEDLINE、生命科学期刊、在线图书。

三条来源,一条是数据库,一条是期刊,一条是书。专利、学位论文、会议摘要不在这个句子里。

对照另一个学术索引,那家把论文数精确到个位,两次抓取差四十二篇。这家给下限。两种写法各有代价:精确值看着硬,但会抖;下限稳,但没法算增量。

整页没有版权年份

翻到最底,找不到版权符号,也找不到年份。页脚最后一句是商标声明:PubMed 字标与标识是卫生与公众服务部的注册商标,未经授权不得使用。

这句话管的是商标,不是版权。政府站点不标版权年份是常见做法,联邦政府的作品一般不在版权保护范围内,标了反而要多解释。

但商标是另一件事。名字和标识受保护,内容不受。这条界线在实际使用里很重要:可以复制条目,不能拿它的标识当自己的。

这个站点收录的是生物医学文献记录,检索入口在首页顶部。

打开 PubMed

一句话记住

四千万条文献的站点,一级标题是「主页」,字号四十像素,位置在屏幕外。标题标签被当成了合规动作,不是导航工具。

判断基准本文的判断方式,出自 内核——全站共用的判断准则,按环节编号,带版本与失效边界。