Tolle et Lege Diary

2008-08-28 21:37:12

　Yahoo!検索Webサービスから返ってくるXMLはElementTreeで受けられるようになったのだが、Amazon A2S (ECS 4.0) がどうしても処理できない。minidomも試したのだけど、どうにもならない。何週間も情報を探し求めたのだが、答えに辿り着かない。どうして、こんなことを探さなければならないんだ。他の方法を探そうと心に決めた。もうElementTreeもminidomも使ってやらない。XMLだからってちょっと生意気じゃないか。普通の文字列として処理してやりゃあいいじゃないか。ということに気がついて、正規表現で切り刻んでやった。今頃謝っても許してやらないからそのつもりでいるように（謝られたりはしていないが）。

#!/usr/bin/env python
# -*- coding: utf-8 -*-
#

import cgi
import wsgiref.handlers

from google.appengine.ext import webapp
from google.appengine.api import urlfetch
import urllib
import re
from re import *

class MainPage(webapp.RequestHandler):
  def get(self):
    self.response.out.write("""
      <html>
        <body>
        <h2>amazon-search</h2>
          <form action="/result" method="post">
            <div><input type="text"  name="word" ></div>
            <div><input type="submit" value="Submit"></div>
          </form>
        </body>
      </html>""")

def amazon(word):
  re_asin = re.compile('<ASIN>.+?</ASIN>')
  re_title = re.compile('<Title>.+?</Title>')
  tags = re.compile('<.+?>')
  query = {'Service':'AWSECommerceService','AWSAccessKeyId':'xxxxxxxxxxx',\\
  	'Operation':'ItemSearch','SearchIndex':'Books','Sort':'-publication_date',\\
  	'Keywords':word.encode('utf-8'),'ResponseGroup':'Medium'}
  url = 'http://webservices.amazon.co.jp/onca/xml?' + urllib.urlencode(query)
  xml = urlfetch.fetch(url).content
  items = findall('<Item>.+?</Item>',xml)
  res = []
  for item in items:
    ASIN = tags.sub('',re_asin.search(item).group(0))
    title = tags.sub('',re_title.search(item).group(0)).\\
decode('utf-8')
    res.append(ASIN+' : '+title)
  return res 

class Result(webapp.RequestHandler):
  def post(self):
    word = self.request.get('word')
    res = amazon(word)
    results = '<br />'.join(res);
 
    self.response.out.write('<html><body><h2>\\
Amazon Search</h2>Keyword=')
    self.response.out.write(cgi.escape(word))
    self.response.out.write('<br />\n <pre>')
    self.response.out.write(results)
    self.response.out.write('</pre></body></html>')

def main():
  application = webapp.WSGIApplication([('/', MainPage),
                                        ('/result', Result)],
                                       debug=True)
  wsgiref.handlers.CGIHandler().run(application)

if __name__ == '__main__':
  main()

　まず、urlfetch.fetch(url).contenで受け取ったXMLを＜Item＞〜＜/Item＞で分割する。結果はリストに収納されるので、Itemごとにやはり正規表現で＜Title＞とか＜ISBN＞とか抽出していけばいい。上では、題名とASINを抜き出している。日本語の文字列はdecode('utf-8')としてやらないと読める文字にならない。試しに「食虫植物」で検索してみると下の画像のようになった。