raspadura ASIN de URL Amazon usando javascript

Question

Suponiendo que tengo una URL del producto de Amazon como tal

http://www.amazon.com/Kindle-Wireless-Reading-Display-Generation/dp/B0015T963C/ref=amb_link_86123711_2?pf_rd_m=ATVPDKIKX0DER&pf_rd_s=center-1&pf_rd_r=0AY9N5GXRYHCADJP5P0V&pf_rd_t=101&pf_rd_p=500528151&pf_rd_i=507846 

¿Cómo podría raspar sólo el ASIN usando javascript? Gracias!

Answer 1

Las páginas de detalles de Amazon pueden tener varias formas, por lo que para ser exhaustivo, debe verificarlas todas. Estas son todas equivalentes:

http://www.amazon.com/Kindle-Wireless-Reading-Display-Generation/dp/B0015T963C
http://www.amazon.com/dp/B0015T963C
http://www.amazon.com/gp/product/B0015T963C
http://www.amazon.com/gp/product/glance/B0015T963C

Siempre se parecen a esto o esto:

http://www.amazon.com/<SEO STRING>/dp/<VIEW>/ASIN 
http://www.amazon.com/gp/product/<VIEW>/ASIN 

Esto debe hacerlo:

var url = "http://rads.stackoverflow.com/amzn/click/B0015T963C"; 
var regex = RegExp("http://www.amazon.com/([\\w-]+/)?(dp|gp/product)/(\\w+/)?(\\w{10})"); 
m = url.match(regex); 
if (m) { 
    alert("ASIN=" + m[4]); 
} 

Answer 2

Si el ASIN está siempre en esa posición en la URL:

var asin= decodeURIComponent(url.split('/')[5]); 

aunque es probable que haya pocas posibilidades de conseguir un ASIN% -escape.

Answer 3

algo como esto debería funcionar (no probado)

var match = /\/dp\/(.*?)\/ref=amb_link/.exec(amazon_url); 
var asin = match ? match[1] : ''; 

Answer 4

El Wikipedia article on ASIN (que he linkified en su pregunta) da las diversas formas de direcciones URL de Amazon. Puede crear fácilmente una expresión regular (o una serie de ellas) para obtener estos datos utilizando el método match().

Answer 5

Desde el ASIN siempre es una secuencia de 10 letras y/o números inmediatamente después de una barra, intente esto:

url.match("/([a-zA-Z0-9]{10})(?:[/?]|$)") 

El adicional (?:[/?]|$) después de la ASIN es asegurar que sólo se toma un segmento de ruta completa .

Answer 6

@Gumbo: ¡Tu código funciona muy bien!

// Prueba JS: pruébelo en firebug.

url = window.location.href; 
url.match("/([a-zA-Z0-9]{10})(?:[/?]|$)"); 

Agrego una función php que hace lo mismo.

function amazon_get_asin_code($url) { 
    global $debug; 

    $result = ""; 

    $pattern = "([a-zA-Z0-9]{10})(?:[/?]|$)"; 
    $pattern = escapeshellarg($pattern); 

    preg_match($pattern, $url, $matches); 

    if($debug) { 
     var_dump($matches); 
    } 

    if($matches && isset($matches[1])) { 
     $result = $matches[1]; 
    } 

    return $result; 
} 

Answer 7

realidad, la respuesta arriba no funciona si se trata de algo así como amazon.com/BlackBerry ... (ya que BlackBerry es también de 10 caracteres).

Una solución (suponiendo que el ASIN siempre se escribe con mayúscula, ya que siempre está cuando se toma en Amazon) es (en Ruby):

 url.match("/([A-Z0-9]{10})") 

lo he encontrado para trabajar en miles de direcciones URL.

Answer 8

esta es mi Amazon universal de expresión regular ASIN:

~(?:\b)((?=[0-9a-z]*\d)[0-9a-z]{10})(?:\b)~i 

Answer 9

Ninguno de los trabajos más arriba en todos los casos. He tratado siguientes direcciones para que coincida con los ejemplos anteriores:

http://www.amazon.com/Kindle-Wireless-Reading-Display-Generation/dp/B0015T963C 
http://www.amazon.com/dp/B0015T963C 
http://www.amazon.com/gp/product/B0015T963C 
http://www.amazon.com/gp/product/glance/B0015T963C 

https://www.amazon.de/gp/product/B00LGAQ7NW/ref=s9u_simh_gw_i1?ie=UTF8&pd_rd_i=B00LGAQ7NW&pd_rd_r=5GP2JGPPBAXXP8935Q61&pd_rd_w=gzhaa&pd_rd_wg=HBg7f&pf_rd_m=A3JWKAKR8XB7XF&pf_rd_s=&pf_rd_r=GA7GB6X6K6WMJC6WQ9RB&pf_rd_t=36701&pf_rd_p=c210947d-c955-4398-98aa-d1dc27e614f1&pf_rd_i=desktop 

https://www.amazon.de/Sawyer-Wasserfilter-Wasseraufbereitung-Outdoor-Filter/dp/B00FA2RLX2/ref=pd_sim_200_3?_encoding=UTF8&psc=1&refRID=NMR7SMXJAKC4B3MH0HTN 

https://www.amazon.de/Notverpflegung-Kg-Marine-wasserdicht-verpackt/dp/B01DFJTYSQ/ref=pd_sim_200_5?_encoding=UTF8&psc=1&refRID=7QM8MPC16XYBAZMJNMA4 

https://www.amazon.de/dp/B01N32MQOA?psc=1 

Esto es lo mejor que podía llegar a: (?:[/dp/]|$)([A-Z0-9]{10}) Lo que también se seleccionará el prepending/en todos los casos. Esto se puede eliminar más adelante.

Puede probarlo en: http://regexr.com/3gk2s

Answer 10

Esto puede ser un enfoque simplista, pero todavía tienen que encontrar un error en ella usando cualquiera de la URL del proporcionada en este hilo de la gente es un problema.

Simplemente, tomo la URL, la divido en "/" para obtener las partes discretas. A continuación, recorra los contenidos de la matriz y rebánelos de la expresión regular. En mi caso, la variable i representa un objeto que tiene una propiedad llamada RawURL para contener la url en bruto con la que estoy trabajando y una propiedad llamada VendorSKU que estoy poblando.

try 
      { 
       string[] urlParts = i.RawURL.Split('/'); 
       Regex regex = new Regex(@"^[A-Z0-9]{10}"); 

       foreach (string part in urlParts) 
       { 
        Match m = regex.Match(part); 
        if (m.Success) 
        { 
         i.VendorSKU = m.Value; 
        } 
       } 
      } 
      catch (Exception) { } 

Hasta ahora, esto ha funcionado a la perfección.