diff --git a/recipes/el_correo.recipe b/recipes/el_correo.recipe
index 235d5e0fc7..bfc1d94456 100644
--- a/recipes/el_correo.recipe
+++ b/recipes/el_correo.recipe
@@ -3,8 +3,8 @@ __license__ = 'GPL v3'
__copyright__ = '08 Januery 2011, desUBIKado'
__author__ = 'desUBIKado'
__description__ = 'Daily newspaper from Biscay'
-__version__ = 'v0.10'
-__date__ = '07, August 2013'
+__version__ = 'v0.11'
+__date__ = '26, July 2014'
'''
http://www.elcorreo.com/
'''
@@ -13,13 +13,13 @@ import time
import re
from calibre.web.feeds.news import BasicNewsRecipe
-class heraldo(BasicNewsRecipe):
+class elcorreo(BasicNewsRecipe):
__author__ = 'desUBIKado'
description = 'Daily newspaper from Biscay'
title = u'El Correo'
publisher = 'Vocento'
category = 'News, politics, culture, economy, general interest'
- oldest_article = 2
+ oldest_article = 1
delay = 1
max_articles_per_feed = 100
no_stylesheets = True
@@ -27,42 +27,97 @@ class heraldo(BasicNewsRecipe):
masthead_url = 'http://www.elcorreo.com/vizcaya/noticias/201002/02/Media/logo-elcorreo-nuevo.png'
language = 'es'
timefmt = '[%a, %d %b, %Y]'
- encoding = 'iso-8859-1'
+ encoding = 'utf-8'
remove_empty_feeds = True
- remove_javascript = False
+ remove_javascript = True
feeds = [
- (u'Portada', u'http://www.elcorreo.com/vizcaya/portada.xml'),
- (u'Local', u'http://www.elcorreo.com/vizcaya/rss/feeds/vizcaya.xml'),
- (u'Internacional', u'hhttp://www.elcorreo.com/vizcaya/rss/feeds/internacional.xml'),
- (u'Econom\xeda', u'http://www.elcorreo.com/vizcaya/rss/feeds/economia.xml'),
- (u'Pol\xedtica', u'http://www.elcorreo.com/vizcaya/rss/feeds/politica.xml'),
- (u'Opini\xf3n', u'http://www.elcorreo.com/vizcaya/rss/feeds/opinion.xml'),
- (u'Deportes', u'http://www.elcorreo.com/vizcaya/rss/feeds/deportes.xml'),
- (u'Sociedad', u'http://www.elcorreo.com/vizcaya/rss/feeds/sociedad.xml'),
- (u'Cultura', u'http://www.elcorreo.com/vizcaya/rss/feeds/cultura.xml'),
- (u'Televisi\xf3n', u'http://www.elcorreo.com/vizcaya/rss/feeds/television.xml'),
- (u'Gente', u'http://www.elcorreo.com/vizcaya/rss/feeds/gente.xml')
+ (u'Portada', u'http://www.elcorreo.com/bizkaia/rss/atom/portada'),
+ (u'Mundo', u'http://www.elcorreo.com/bizkaia/rss/atom?seccion=internacional'),
+ (u'Bizkaia', u'http://www.elcorreo.com/bizkaia/rss/atom?seccion=bizkaia'),
+ (u'Guipuzkoa', u'http://www.elcorreo.com/bizkaia/rss/atom?seccion=gipuzkoa'),
+ (u'Araba', u'http://www.elcorreo.com/bizkaia/rss/atom?seccion=araba'),
+ (u'La Rioja', u'http://www.elcorreo.com/bizkaia/rss/atom?seccion=larioja'),
+ (u'Miranda', u'http://www.elcorreo.com/bizkaia/rss/atom?seccion=miranda'),
+ (u'Economía', u'http://www.elcorreo.com/bizkaia/rss/atom?seccion=economia'),
+ (u'Culturas', u'http://www.elcorreo.com/bizkaia/rss/atom?seccion=culturas'),
+ (u'Politica', u'http://www.elcorreo.com/bizkaia/rss/atom?seccion=politica'),
+ (u'Tecnología', u'http://www.elcorreo.com/bizkaia/rss/atom?seccion=tecnologia'),
+ (u'Gente - Estilo', u'http://www.elcorreo.com/bizkaia/rss/atom?seccion=gente-estilo'),
+ (u'Planes', u'http://www.elcorreo.com/bizkaia/rss/atom?seccion=planes'),
+ (u'Athletic', u'http://www.elcorreo.com/bizkaia/rss/atom?seccion=athletic'),
+ (u'Alavés', u'http://www.elcorreo.com/bizkaia/rss/atom?seccion=alaves'),
+ (u'Bilbao Basket', u'http://www.elcorreo.com/bizkaia/rss/atom?seccion=bilbaobasket'),
+ (u'Baskonia', u'http://www.elcorreo.com/bizkaia/rss/atom?seccion=baskonia'),
+ (u'Deportes', u'http://www.elcorreo.com/bizkaia/rss/atom?seccion=deportes'),
+ (u'Jaiak', u'http://www.elcorreo.com/bizkaia/rss/atom?seccion=jaiak'),
+ (u'La Blanca', u'http://www.elcorreo.com/bizkaia/rss/atom?seccion=la-blanca-vitoria'),
+ (u'Aste Nagusia', u'http://www.elcorreo.com/bizkaia/rss/atom?seccion=aste-nagusia-bilbao'),
+ (u'Semana Santa', u'http://www.elcorreo.com/bizkaia/rss/atom?seccion=semana-santa'),
+ (u'Festivales', u'http://www.elcorreo.com/bizkaia/rss/atom?seccion=festivales')
]
keep_only_tags = [
- dict(name='div', attrs={'class':['grouphead','date','art_head','story-texto','text','colC_articulo','contenido_comentarios']}),
- dict(name='div' , attrs={'id':['articulo','story-texto','story-entradilla']})
+ dict(name='ul', attrs={'class':['media-list']})
]
remove_tags = [
- dict(name='div', attrs={'class':['art_barra','detalles-opinion','formdenunciar','modulo calculadoras','nubetags','pie']}),
- dict(name='div', attrs={'class':['mod_lomas','bloque_lomas','blm_header','link-app3','link-app4','botones_listado']}),
- dict(name='div', attrs={'class':['navegacion_galeria','modulocanalpromocion','separa','separacion','compartir','tags_relacionados']}),
- dict(name='div', attrs={'class':['moduloBuscadorDeportes','modulo-gente','moddestacadopeq','OpcArt','articulopiniones']}),
- dict(name='div', attrs={'class':['modulo-especial','publiEspecial','carruselNoticias','vj','modulocomun2']}),
- dict(name='div', attrs={'id':['articulopina','webs_asociadas']}),
- dict(name='br', attrs={'class':'clear'}),
- dict(name='form', attrs={'name':'frm_conversor2'})
+ dict(name='span', attrs={'class':['no-comments']})
]
- remove_tags_before = dict(name='div' , attrs={'class':'articulo '})
- remove_tags_after = dict(name='div' , attrs={'class':'robapaginas'})
+ remove_tags_before = dict(name='ul' , attrs={'class':'media-list'})
+ remove_tags_after = dict(name='ul' , attrs={'class':'media-list'})
+
+ # Usamos la versión para móviles
+
+ def print_version(self, url):
+ return url.replace('http://www.', 'http://m.')
+
+ _processed_links = []
+
+ def get_article_url(self, article):
+
+ link = article.get('link', None)
+
+ if link is None:
+ return article
+
+ # modificamos la url de las noticias de los equipos deportivos para que funcionen, por ejemplo:
+ # http://athletic.elcorreo.com/noticias/201407/27/muniain-estrella-athletic-para-20140727093046.html
+ # http://m.elcorreo.com/noticias/201407/27/muniain-estrella-athletic-para-20140727093046.html?external=deportes/athletic
+
+ parte = link.split('/')
+
+ if parte[2] == 'athletic.elcorreo.com':
+ link = 'http://m.elcorreo.com/' + parte[3] + '/' + parte[4] + '/' + parte[5] + '/' + parte[6] + '?external=deportes/athletic'
+ else:
+ if parte[2] == 'baskonia.elcorreo.com':
+ link = 'http://m.elcorreo.com/' + parte[3] + '/' + parte[4] + '/' + parte[5] + '/' + parte[6] + '?external=deportes/baskonia'
+ else:
+ if parte[2] == 'bilbaobasket.elcorreo.com':
+ link = 'http://m.elcorreo.com/' + parte[3] + '/' + parte[4] + '/' + parte[5] + '/' + parte[6] + '?external=deportes/bilbaobasket'
+ else:
+ if parte[2] == 'alaves.elcorreo.com':
+ link = 'http://m.elcorreo.com/' + parte[3] + '/' + parte[4] + '/' + parte[5] + '/' + parte[6] + '?external=deportes/alaves'
+
+ # A veces el mismo articulo aparece en la versión de Alava y en la de Bizkaia. Por ejemplo:
+ # http://www.elcorreo.com/alava/deportes/motor/formula-1/201407/27/ecclestone-quiere-briatore-ayude-20140727140820-rc.html
+ # http://www.elcorreo.com/bizkaia/deportes/motor/formula-1/201407/27/ecclestone-quiere-briatore-ayude-20140727140820-rc.html
+ # para controlar los duplicados, unificamos las url para que sean siempre de bizkaia (excepto para la sección "araba")
+
+ if ((parte[3] == 'alava') and (parte[4] != 'araba')):
+ link = link.replace('elcorreo.com/alava', 'elcorreo.com/bizkaia')
+
+ # Controlamos si el artículo ha sido incluido en otro feed para eliminarlo
+
+ if not (link in self._processed_links):
+ self._processed_links.append(link)
+ else:
+ link = None
+
+ return link
+
+ # Recuperamos la portada de papel (la imagen format=1 tiene mayor resolucion)
def get_cover_url(self):
cover = None
@@ -70,7 +125,7 @@ class heraldo(BasicNewsRecipe):
year = str(st.tm_year)
month = "%.2d" % st.tm_mon
day = "%.2d" % st.tm_mday
- # http://info.elcorreo.com/pdf/07082013-viz.pdf
+ # http://info.elcorreo.com/pdf/07082013-viz.pdf
cover='http://info.elcorreo.com/pdf/'+ day + month + year +'-viz.pdf'
br = BasicNewsRecipe.get_browser(self)
try:
@@ -80,40 +135,24 @@ class heraldo(BasicNewsRecipe):
cover ='http://www.elcorreo.com/vizcaya/noticias/201002/02/Media/logo-elcorreo-nuevo.png'
return cover
+ # Para cambiar el estilo del texto
+
extra_css = '''
- h1, .headline {font-family:Arial,Helvetica,sans-serif; font-weight:bold;font-size:30px;}
- h2, .subhead {font-family:Arial,Helvetica,sans-serif; font-style:italic; font-weight:normal;font-size:18px;}
- h3, .overhead {font-family:Arial,Helvetica,sans-serif; font-weight:bold;font-size:16px;}
- h4 {font-family:Arial,Helvetica,sans-serif; font-weight:bold;font-size:16px;}
- h5 {font-family:Arial,Helvetica,sans-serif; font-weight:normal;font-size:16px;}
- h6 {font-family:Arial,Helvetica,sans-serif; font-weight:bold;font-size:16px;}
- .date,.byline, .photo {font-family:Arial,Helvetica,sans-serif; font-weight:bold;font-size:14px;}
- img{margin-bottom: 0.4em}
- '''
+ h4 {font-family:Arial,Helvetica,sans-serif; font-weight:bold;font-size:28px;}
+ .place {font-family:Arial,Helvetica,sans-serif; font-weight:normal;font-size:12px;}
+ .name {font-family:Arial,Helvetica,sans-serif; font-weight:bold;font-size:12px;}
+ .overhead, .compLadillo, description {font-family:georgia,serif; font-weight:bold;font-size:18px;}
+ .compSumario, .detalle-titular {font-family:georgia,serif; font-style:italic; font-weight:normal;font-size:22px;color:#4D4D4D;}
+ img{margin-bottom: 0.4em}
+ '''
preprocess_regexps = [
- # Para presentar la imagen de los video incrustados
- (re.compile(r'var RUTA_IMAGEN', re.DOTALL|re.IGNORECASE), lambda match: '![]()
'),
- (re.compile(r'var SITIO = "elcorreo";', re.DOTALL|re.IGNORECASE), lambda match: '