使用 Amazon BrowseNodes API 做一些有意义的事情

Question

我有一个网站（www.7bks.com），人们可以在其中创建图书列表。目前这相当简单。我已经在使用 Amazon API 将图书信息、图像等提取到网站上。

我想要做的是以某种方式使用 Amazon API 来拉回类别和/或标签数据，以创建某种在我的网站上浏览列表的方式。不幸的是，标签 api 方法已停止使用。

最有可能的候选者是 Amazon API 的 BrowseNodes 方法 (http ://docs.amazonwebservices.com/AWSEcommerceService/2005-10-05/ApiReference/BrowseNodesResponseGroup.html），但此调用返回的数据非常无意义，我希望我们能够齐心协力并弄清楚如何理解它。

这是一个谷歌电子表格，向您展示我得到的数据类型。我选择了一个示例列表（http://www.7bks.com/list/549002）并通过 BrowseNodes API 运行这三本书：

https:// Spreads.google.com/ccc?key=0ApVjkgehRamudHd5SlNhYllPQkZDSDY1cllfQVBQM1E&hl=en&authkey=CN_MxoAO

作为一个人查看该列表，您不需要知道这些书是什么，就可以看到它可能是列表是关于科幻和奇幻的。这主要是因为眼睛善于丢弃无意义的类别，例如“定制商店”和“小说完整”。

我尝试对类别列表进行重复数据删除，或者只查看所有 3 本书中出现的类别，但它仍然是相当垃圾的数据。我很想听听您对如何将这些数据转化为对用户有意义的东西的想法。

到目前为止，我最好的想法就是扫描数据并匹配到硬编码列表。所以类似：

if Count("sciencefiction & Fantasy") > 3 然后列表是科幻 if Count("商业金融与法律") > 3 然后列出的是业务

等。

虽然这是非常严格的，但理想情况下我想构建一些更灵活/更强大的东西。

欢迎所有建议。

我认为这是一个高级问题，因此不应受到我如何调用 API 的影响，但作为参考，我正在使用 Python/Appengine/Webapp。

感谢

汤姆

更新，经过多次头撞桌子后，我已经成功地解决了这个问题，令我满意。这并不复杂，但我已经编写了一些可以实现我想要的功能的 python 代码。我欢迎任何人改进我的代码或提供建议。

基本上代码底层的逻辑是这样的： 1) 在 XML 树中，起始节点（书籍 > 主题）的底部节点是对本书实际内容的最佳猜测。例如： http://www.amazon .co.uk/Surface-Detail-Iain-M-Banks/dp/1841498939/ 它返回“科幻小说”。宾果游戏。 2）通常，如果将我们自己限制在那些开始的结果（书籍>主题）中，就会丢掉很多好的信息。所以， 3）我尝试获取类似书籍的列表并从中删除类别，如果失败，那么我只获取分配给原始书籍的类别。

也许最好的解释是给你提供如下代码：

#takes as input the xml output of the amazon api browsenodes call
def getcategories(xml):
    #fetches the names of all the nodes, stores them in a list
    categories = []              
    for book in xml.getElementsByTagName('BrowseNode'):
        category = get_text(book,'Name')
        categories.append(category)

    #turn the one list into a series of individual lists
    #each individual list should be a particular tree from browsenode
    #each list will end 'Books'
    #the first item in the list should be the bottom of the tree
    taglists = []
    while 'Books' in categories:
        find = categories.index('Books') + 1
        list = categories[:find]
        taglists.append(list)
        for word in list:
            categories.remove(word)

    #now, we only return the first item from a list which contains 'Subjects'        
    final = []    
    for tagset in taglists:
        while 'Subjects' in tagset:
            final.append(tagset[0])
            tagset.pop(tagset.index('Subjects'))
    return final

class Browsenodes(webapp.RequestHandler):
    def get(self):
        #get the asin of the target book
        asin = self.request.get('term')
        if book_title:
            #fetch the amazon key
            api = API(AWS_KEY, SECRET_KEY, 'uk', processor=minidom_response_parser)
            try:
                #try getting a list of similar books - note the response group set to browsenodes
                result = api.similarity_lookup(asin, ResponseGroup='BrowseNodes')
            except:
                #there aren't always a list of similar books, so as a failsafe just get the book I wanted.
                result = api.item_lookup(asin, ResponseGroup='BrowseNodes')
            final = getcategories(result)
            #turn it into a set to de-dupe multiple listings of the same category
            self.response.out.write(set(final))

为了让你了解输出的味道：

Book： http://www.amazon.co.uk /Surface-Detail-Iain-M-Banks/dp/1841498939/

标签： 当代小说 产品 太空歌剧 科幻小说

http://www.amazon.co .uk/戈德尔-埃舍尔-巴赫-永恒-周年纪念/dp/0140289208/ 心理学 数学史 数理逻辑 通用原子吸收光谱法 大众数学 科学、技术与医疗的 艺术与艺术音乐 心灵哲学 亚马逊 数学 建筑与逻辑 当代哲学：1900- 逻辑 经典 物理 形而上学 物理哲学 一般的 技术 代数数论 人工智能 科学史

http://www.amazon。 co.uk/Flatland-Romance-Dimensions-Dover-Thrift/dp/048627263X/ 当代小说 数学哲学 通用原子吸收光谱法 大众数学 哲学 科学、技术与医疗的 心灵哲学 科幻小说 数学 当代哲学：1900- 代数数论 产品 经典 形而上学与有远见 神话与神话童话故事 拓扑概要 主题 一般的 理论方法 形而上学 人工智能 科学史

http://www.amazon。 co.uk/Victoria-Condor-Books-Knut-Hamsun/dp/0285647598/ 当代小说 文学小说 心理 通用原子吸收光谱法 经典 短篇小说

Answer 1

到目前为止，我最好的想法就是扫描数据并匹配到硬编码列表。所以类似：

if Count("科幻与奇幻") > 3 如果 Count("business Finance & law") > 则列表为科幻小说3 然后列表就是业务

我认为这可能不是一个坏主意？从亚马逊获取顶级图书类别，然后与这些类别进行匹配。它不是很优雅，但它会起作用。

或者，也许您可​​以使用 Google Book API 中的 dc:subject 数据？ （虽然我没有使用过它，所以它也可能是垃圾）。

Answer 2

嗯.. 首先，当前的 APi 日期为 2011-08-01。也许您可以通过查看最新的文档来帮自己一个忙？ 广告产品 API

对我来说，XML 很有意义！

也许是因为，当我想正确理解其中一个答案时，我将 XML 复制到 Visual Studio XML 编辑器中，我可以在其中打开和关闭节点。

结构是这样的：

  <BrowseNodes>
    <BrowseNode>...</BrowseNode>
      <BrowseNode>...</BrowseNode>
      <BrowseNode>...</BrowseNode>
      <BrowseNode>...</BrowseNode>
    </BrowseNodes>

然后在每个 BrowseNode 内部，它将是这样的：

<BrowseNode>
      <BrowseNodeId>10399</BrowseNodeId>
      <Name>Classics</Name>
      <Ancestors>
        <BrowseNode>
          <BrowseNodeId>17</BrowseNodeId>
          <Name>Literature & Fiction</Name>
          <Ancestors>
            <BrowseNode>
              <BrowseNodeId>1000</BrowseNodeId>
              <Name>Subjects</Name>
              <IsCategoryRoot>1</IsCategoryRoot>

注意到“IsCategoryRoot”了吗？没有比这更高的点了，因为这太通用了，使用它没有意义。书籍的名称是“主题”，但电子书的名称是“类别”，因此检查“IsCategoryRoot”元素似乎更有意义。

我不是 100% 确定你想做什么，而且我不太了解 python，但我确实了解数据库...我会得到这本书的 ASIN 标识符（这对于亚马逊来说是全球唯一的，这意味着你可以查找与 amazon.Com 上的相同，还有 co.uk、Fr、de 等...），放入表格中，以及您认为有用的任何其他数据，为类别创建表格，放入其中它们的名称和 id，然后是一个链接表，其中每个较低级别的 BrowseNode 都有一个条目，其中
BrowseNodeID 和书籍的 ASIN，然后对于嵌套的 browsernode（实际上是父母或祖先），输入他们的孩子 ID 和他们自己的 ID。显然，在插入这些类别之前，我会检查它是否已经存在。

这里的目标是每本书有一条记录，每个类别有一条记录，以及类别与书籍之间以及它们之间的必要链接。

这样，从类别中搜索书籍将变得非常容易，反之亦然。

抱歉，我说得有点长，但你的问题没有简短的答案。希望这有帮助。

伯纳德