PMC 通过云服务为不同的 PMC 文章数据集提供文件访问。这些文件包括元数据(JSON格式)、文章全文(NISO Z39.96-2015 JATS XML格式)、从XML中提取的纯文本全文,以及在可用时提供的全文章PDF、媒体文件和补充材料。关于作者手稿(Author Manuscript)和开放获取子集(Open Access Subset)的区别,资料指出:

* **PMC Open Access Subset**:该子集中的文章可根据出版商指定的条款进行重用,其中大多数可用的文章具有机器可读的知识共享许可(Creative Commons licenses)。
* **Author Manuscript Dataset**:该完整作者手稿数据集包括在 PMC 中根据资助方政策收集的文章,并以机器可读的格式提供,可用于文本挖掘。需要注意的是,带有知识共享许可的作者手稿也属于 PMC Open Access Subset 的一部分。

关于部分无 CC 许可的手稿不包含 PDF 或媒体文件的问题,资料中明确说明了限制条件:**“NOTE: PDFs, Media files and supplementary materials for author manuscripts without Creative Commons licenses are NOT made available as part of the PMC Article Datasets.”** 这表明,对于没有知识共享许可的作者手稿,其 PDF、媒体文件和补充材料不会作为 PMC 文章数据集的一部分提供。

此外,PMC 还提供了一个每日更新的 CSV 目录文件,该文件保存 30 天。

信息来源