ChEMBL Webresource Client 项目教程
2026-01-23 05:04:37作者:滕妙奇
1. 项目的目录结构及介绍
chembl_webresource_client/
├── chembl_webresource_client/
│ ├── __init__.py
│ ├── client.py
│ ├── settings.py
│ ├── utils.py
│ └── ...
├── demo_wrc.ipynb
├── LICENSE
├── MANIFEST.in
├── README.md
├── requirements.txt
└── setup.py
目录结构介绍
-
chembl_webresource_client/: 项目的主目录,包含了项目的核心代码文件。
- init.py: 初始化文件,使得该目录可以作为一个Python包使用。
- client.py: 客户端的核心实现文件,包含了与ChEMBL API交互的主要逻辑。
- settings.py: 配置文件,包含了客户端的各种设置选项。
- utils.py: 工具函数文件,包含了一些辅助函数。
- ...: 其他辅助文件和模块。
-
demo_wrc.ipynb: Jupyter Notebook文件,包含了项目的示例代码和使用教程。
-
LICENSE: 项目的开源许可证文件。
-
MANIFEST.in: 用于打包项目的清单文件。
-
README.md: 项目的说明文档,包含了项目的简介、安装方法、使用说明等。
-
requirements.txt: 项目依赖的Python包列表。
-
setup.py: 用于安装项目的脚本文件。
2. 项目的启动文件介绍
项目的启动文件是 demo_wrc.ipynb,这是一个Jupyter Notebook文件,包含了项目的示例代码和使用教程。通过运行这个Notebook,用户可以快速了解如何使用ChEMBL Webresource Client来访问ChEMBL API。
启动步骤
-
安装Jupyter Notebook:
pip install jupyter -
启动Jupyter Notebook:
jupyter notebook -
在Jupyter Notebook界面中打开
demo_wrc.ipynb文件,按照教程逐步运行代码。
3. 项目的配置文件介绍
项目的配置文件是 settings.py,这个文件包含了客户端的各种设置选项,用户可以根据需要调整这些设置。
配置文件内容
from chembl_webresource_client.settings import Settings
# 获取配置实例
settings = Settings.Instance()
# 设置超时时间
settings.TIMEOUT = 10
# 其他配置选项
settings.CACHING = True # 是否启用本地缓存
settings.CACHE_EXPIRE = 86400 # 缓存过期时间(秒)
settings.CACHE_NAME = 'chembl_cache.sqlite' # 缓存文件名
settings.TOTAL_RETRIES = 3 # 每个HTTP请求的重试次数
settings.CONCURRENT_SIZE = 50 # 并发请求数
settings.FAST_SAVE = True # 是否启用快速缓存保存
配置选项说明
- CACHING: 是否启用本地缓存,默认值为
True。 - CACHE_EXPIRE: 缓存过期时间,单位为秒,默认值为 24 小时(86400 秒)。
- CACHE_NAME: 缓存文件的名称,默认值为
chembl_cache.sqlite。 - TOTAL_RETRIES: 每个HTTP请求的重试次数,默认值为 3。
- CONCURRENT_SIZE: 并发请求数,默认值为 50。
- FAST_SAVE: 是否启用快速缓存保存,默认值为
True,启用后可以加快缓存保存速度,但可能会导致数据丢失。
通过调整这些配置选项,用户可以根据自己的需求优化客户端的性能和行为。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
热门内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
568
3.84 K
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
暂无简介
Dart
801
199
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
24
0
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
349
202
Ascend Extension for PyTorch
Python
379
452
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1