last

backend/app/scraper/amazon/parser.py

@@ -181,6 +181,23 @@ def _extract_details(soup: BeautifulSoup) -> dict[str, str] | None:
     return details or None
 
 
+def _extract_category(soup: BeautifulSoup) -> str | None:
+    """Extrait la catégorie depuis le fil d'Ariane (breadcrumb) Amazon."""
+    breadcrumb = soup.select_one("#wayfinding-breadcrumbs_feature_div")
+    if not breadcrumb:
+        return None
+    # Récupérer tous les liens du breadcrumb
+    links = breadcrumb.select("ul li span.a-list-item a")
+    if not links:
+        return None
+    # Construire le chemin de catégorie
+    categories = [link.get_text(strip=True) for link in links if link.get_text(strip=True)]
+    if not categories:
+        return None
+    # Retourner le chemin complet séparé par " > "
+    return " > ".join(categories)
+
+
 def _parse_percent(text: str | None) -> int | None:
     if not text:
         return None
@@ -286,6 +303,7 @@ def extract_product_data_from_html(html: str, url: str) -> dict[str, Any]:
     description = _extract_description(soup)
     carateristique = _extract_carateristique(soup)
     details = _extract_details(soup)
+    categorie_amazon = _extract_category(soup)
 
     asin = _safe_attr_soup(soup, "input#ASIN", "value") or _extract_asin_from_url(url)
 
@@ -311,6 +329,7 @@ def extract_product_data_from_html(html: str, url: str) -> dict[str, Any]:
         "description": description,
         "carateristique": carateristique,
         "details": details,
+        "categorie_amazon": categorie_amazon,
     }
 
     missing = [key for key in ("titre", "prix_actuel", "note") if not data.get(key)]
@@ -431,6 +450,7 @@ def extract_product_data(page: Page, url: str) -> dict[str, Any]:
     description = _extract_description(soup)
     carateristique = _extract_carateristique(soup)
     details = _extract_details(soup)
+    categorie_amazon = _extract_category(soup)
 
     data = {
         "url": url,
@@ -454,6 +474,7 @@ def extract_product_data(page: Page, url: str) -> dict[str, Any]:
         "description": description,
         "carateristique": carateristique,
         "details": details,
+        "categorie_amazon": categorie_amazon,
     }
 
     return data