Zendit Node SDK 使用指南:全球预付费生态系统的开发集成
2025-06-01 03:40:03作者:姚月梅Lane
前言
在现代数字支付和预付费服务领域,Zendit Node SDK 为开发者提供了接入全球预付费生态系统的便捷途径。本文将深入解析该SDK的核心功能和使用方法,帮助开发者快速实现各类预付费业务的集成。
SDK核心概念
异步操作模型
Zendit Node SDK 采用完全异步的设计模式,所有API调用都返回Promise对象。开发者需要特别注意:
- 必须使用
.then()或async/await处理异步响应 - 必须实现完善的错误处理机制
- 建议在关键业务逻辑中添加适当的等待和重试机制
货币表示方式
SDK中所有金额均采用minor currency表示(即货币的最小单位):
- 美元:使用美分表示($2.00 = 200)
- 其他货币同理,如CNY使用分表示(¥10.00 = 1000)
产品目录管理
Zendit平台上的产品目录具有以下特点:
- 产品有启用/禁用状态
- 禁用产品无法完成购买
- 开发者应定期同步目录状态
- 建议在前端展示时过滤掉禁用产品
基础配置
初始化客户端
import { ZenditApi } from 'zendit-sdk';
// 生产环境配置
const prodAPI = new ZenditApi('YOUR_PRODUCTION_API_KEY');
// 测试环境配置
const testAPI = new ZenditApi('YOUR_TEST_API_KEY');
最佳实践建议:
- 将API密钥存储在环境变量中
- 为不同环境创建独立的配置
- 实现密钥的轮换机制
账户余额查询
async function checkBalance() {
try {
const balance = await zenditAPI.balanceGet();
console.log(`可用余额: ${balance.availableBalance}`);
} catch (error) {
console.error('查询余额失败:', error);
}
}
eSIM功能集成
产品目录查询
eSIM产品目录支持多种查询参数:
// 基础查询
const basicOffers = await zenditAPI.esimOffersGet(10, 0);
// 带过滤条件的查询
const filteredOffers = await zenditAPI.esimOffersGet(
10,
0,
'eSIM', // 品牌
'US', // 国家代码
'North America', // 地区
'eSIM' // 子类型
);
参数说明表:
| 参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
| limit | number | 是 | 每页记录数(1-1024) |
| offset | number | 是 | 分页偏移量 |
| brand | string | 否 | 运营商品牌 |
| country | string | 否 | ISO 2字母国家代码 |
| regions | string | 否 | 地区名称 |
| subtype | string | 否 | 产品子类型 |
eSIM购买流程
完整的eSIM购买流程示例:
async function purchaseESim() {
// 1. 查询产品详情
const offer = await zenditAPI.esimOffersOfferIdGet('ESIM-US-7D-1GB');
// 2. 创建购买请求
const purchaseData = {
transactionId: generateUniqueId(), // 建议使用UUID v4
offerId: 'ESIM-US-7D-1GB'
};
// 3. 提交购买
const result = await zenditAPI.esimPurchasesPost(purchaseData);
// 4. 获取QR码
const qrCode = await zenditAPI.esimPurchasesTransactionIdQrcodeGet(
result.transactionId,
'json' // 可选'blob'或'json'
);
return qrCode;
}
移动充值功能集成
固定面额产品购买
const fixedPurchase = {
transactionId: uuid.v4(),
offerId: "CUBACEL_CU_PAQUETE001",
recipientPhoneNumber: "+5355564362"
};
const result = await zenditAPI.topupsPurchasesPost(fixedPurchase);
可变面额产品购买
const rangePurchase = {
transactionId: uuid.v4(),
offerId: "CUBACEL_CU_OPEN",
recipientPhoneNumber: "+5355564362",
value: {
type: 'ZEND', // 也可以是'COST'或'PRICE'
value: 25000 // 根据type不同代表不同含义
},
sender: {
phoneNumber: "+15515551212"
}
};
const result = await zenditAPI.topupsPurchasesPost(rangePurchase);
数字礼品卡集成
带额外字段的购买
const voucherData = {
transactionId: uuid.v4(),
offerId: "AIRCANADA_CA_001_EGIFT_USD",
fields: [
{ key: "recipient.firstName", value: "张" },
{ key: "recipient.lastName", value: "三" },
{ key: "recipient.email", value: "zhangsan@example.com" },
// 其他必填字段...
]
};
const result = await zenditAPI.vouchersPurchasesPost(voucherData);
交易查询与管理
通用交易查询
// 查询单个交易
const transaction = await zenditAPI.transactionsTransactionIdGet('txn-123');
// 分页查询交易列表
const transactions = await zenditAPI.transactionsGet(
10, // limit
0, // offset
'gte2023-03-29T00:00:00Z', // 创建时间筛选
'TOPUP' // 产品类型筛选
);
交易状态说明
| 状态 | 含义 | 处理建议 |
|---|---|---|
| ACCEPTED | 交易已接收 | 等待进一步状态更新 |
| PENDING | 处理中 | 正常等待 |
| AUTHORIZED | 已授权 | 资金已预留 |
| IN_PROGRESS | 履行中 | 供应商处理中 |
| DONE | 完成 | 业务成功 |
| FAIL | 失败 | 检查错误原因 |
最佳实践建议
- 幂等性处理:所有交易都应使用唯一ID,支持重试
- 错误处理:实现全面的错误捕获和日志记录
- 状态轮询:对于长时间交易,建议实现状态轮询机制
- 数据验证:在提交前验证所有输入参数
- 沙盒测试:在生产前充分使用测试环境验证
常见问题解决
- 交易失败:检查交易状态和错误信息,确认产品是否可用
- 余额不足:定期检查账户余额,设置自动充值
- 参数错误:仔细阅读API文档,确保所有必填字段完整
- 网络问题:实现适当的重试机制和超时设置
通过本指南,开发者应能够全面理解并正确使用Zendit Node SDK实现各类预付费业务的集成。建议在实际开发中结合官方文档和沙盒环境进行充分测试,确保系统稳定性和业务连续性。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.18 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
Ascend Extension for PyTorch
Python
228
258
暂无简介
Dart
679
160
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
325
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492