Bio-Doc Fetcher

适用场景

• 需要获取 R (Bioconductor/CRAN) 或 Python (PyPI) 生物信息学软件包的安装指南、API 文档或教程（Vignettes）。
• 官方主站访问缓慢、触发反爬机制或需要查找特定版本的旧文档。
• 需要从复杂的文档结构中快速定位核心代码示例。

步骤

1. 源识别：根据包名和用途确定其所属仓库：
   • R 语言统计包 -> CRAN
   • R 语言组学分析包 -> Bioconductor
   • Python 包 -> PyPI
   • 实验室内部工具 -> GitHub/GitLab
2. 构造初始 URL：
   • Bioconductor: https://bioconductor.org/packages/release/bioc/html/[PACKAGE].html
   • CRAN: https://cran.r-project.org/web/packages/[PACKAGE]/index.html
   • PyPI: https://pypi.org/project/[PACKAGE]/
3. 执行抓取与重定向处理：
   • 使用 web_fetch 访问。如果返回 403 或 404，立即尝试 web_search 搜索该包的 pkgdown 页面或 ReadTheDocs 页面。
4. 镜像切换（可选）：
   • 若主站不可用，构造镜像站 URL（如清华 TUNA 镜像）：https://mirrors.tuna.tsinghua.edu.cn/CRAN/web/packages/[PACKAGE]/index.html。
5. 核心信息提取：
   • 提取 Installation 部分的命令（如 BiocManager::install()）。
   • 提取 Vignettes 或 Tutorial 的 HTML 链接。
   • 提取 Dependencies 列表以预判安装风险。

工具和命令

• web_fetch(url="..."): 直接抓取已知结构的文档页。
• web_search(query="site:bioconductor.org [PACKAGE] vignette"): 定位深度文档。
• web_search(query="[PACKAGE] R package documentation mirror"): 寻找备用源。

注意事项

• PDF 陷阱：Bioconductor 和 CRAN 默认提供大量 PDF 手册，web_fetch 无法直接阅读。应优先寻找 vignettes/ 目录下的 HTML 版本。
• 版本差异：Bioconductor 的包与 R 版本强绑定，抓取时需确认是 release 还是 devel 分支。
• 反爬策略：部分生物信息学门户网站（如某些大学的服务器）对频繁请求敏感，建议在 web_fetch 失败后间隔使用 web_search。

示例

任务：获取 R 包 DESeq2 的安装和基本用法

1. Action: web_fetch(url="https://bioconductor.org/packages/release/bioc/html/DESeq2.html")
2. Result: 发现页面，提取安装命令 BiocManager::install("DESeq2")。
3. Action: 发现 Vignettes 链接为 ../vignettes/DESeq2/inst/doc/DESeq2.html，构造完整 URL 并再次抓取。
4. Output: 提供安装步骤及 DESeqDataSetFromMatrix 的核心代码示例。