Действительно ли Amazon Web обслуживает запросы штрихкода/UPC поддержки API?

Я сделал кое-что из этого недавно, и вот мой опыт.

Существует три основных подхода:

1. Регулярные выражения.
   • Самый гибкий, самый простой в использовании, со слабо структурированной информацией и изменяющимися форматами.
   • Труднее проводить структурный анализ / анализ тегов, но легче выполнять сопоставление текста .
   • Встроенная проверка форматирования данных.
   • Сложнее поддерживать, чем другие, потому что вам нужно писать регулярное выражение для каждого шаблона, который вы хотите использовать для извлечения / преобразования документа
   • Обычно медленнее, чем 2 и 3 .
   • Хорошо работает для списков элементов аналогичного формата
   • Хороший инструмент разработки / тестирования регулярных выражений и несколько примеров страниц помогут. У меня есть хорошие отзывы о RegexBuddy. Попробуйте их демо.
   • Я добился наибольшего успеха в этом. Гибкость позволяет работать с неприятными, грубыми, живой HTML-код.
2. Конвертируйте HTML в XHTML и используйте инструменты извлечения XML. Очистите HTML, преобразуйте его в разрешенный XHTML и используйте XPath / XQuery / X-something, чтобы запросить его как данные XML.
   • Инструменты: TagSoup, HTMLTidy и т. Д.
   • Качество преобразования HTML в XHML ОЧЕНЬ важно и сильно варьируется.
   • Лучшее решение, если данные, которые вам нужны, структурированы макетом HTML и тегами (данные в HTML таблицы, списки, группы DIV / SPAN и т. д.)
   • Наиболее подходит для получения структур ссылок, вложенных таблиц, изображений, списков и т. д.
   • Должен быть быстрее, чем вариант 1, но медленнее, чем вариант 3.
   • Хорошо работает, если форматирование содержимого изменяется / является переменным, а структура / макет документа - нет.
   • Если данные не структурированы тегами HTML, у вас проблемы.
   • Может использоваться с вариантом 1.
3. ] Генератор парсеров (ANTLR и др.) - создает грамматику для синтаксического анализа и анализа страницы.
   • Я не пробовал это, потому что это не подходило для моих (беспорядочных) страниц
   • Наиболее подходит, если структура HTML сильно структурирована, очень постоянна, регулярна и никогда не меняется.
   • Используйте это, если в документе есть легко описываемые шаблоны, но они не включают HTML-теги и включают рекурсию или сложное поведение
   • Не требует ввода XHTML
   • БЫСТРАЯ пропускная способность, как правило
   • Большая кривая обучения, но проще в обслуживании

Я возился с веб-сборщиком для варианта 2, но я нахожу их синтаксис немного странным. Смесь XML и некоторого языка сценариев псевдо-Java. Если вам нравится Java и нравится извлечение данных в стиле XML (XPath, XQuery), это может быть билетом для вас.

Изменить: если вы используете регулярные выражения, убедитесь, что вы используете библиотеку с ленивыми квантификаторами и группами захвата! PHP '