mirror of
https://github.com/kovidgoyal/calibre.git
synced 2025-07-09 03:04:10 -04:00
Update Folha de Sao Paolo
This commit is contained in:
Kovid Goyal
parent
dff08d5ebd
commit
7cb3f0ac84
@ -1,144 +1,50 @@
|
||||
# -*- coding: utf-8 -*-
|
||||
#!/usr/bin/env python2
|
||||
# vim:fileencoding=utf-8
|
||||
from __future__ import unicode_literals, division, absolute_import, print_function
|
||||
from calibre.web.feeds.news import BasicNewsRecipe
|
||||
from datetime import datetime, timedelta
|
||||
from calibre.ebooks.BeautifulSoup import Tag, BeautifulSoup
|
||||
from calibre.utils.magick import Image, PixelWand
|
||||
from urllib2 import Request, urlopen, URLError
|
||||
|
||||
|
||||
class FolhaOnline(BasicNewsRecipe):
|
||||
THUMBALIZR_API = '' # ---->Get your at http://www.thumbalizr.com/ and put here
|
||||
LANGUAGE = 'pt_br'
|
||||
language = 'pt_BR'
|
||||
LANGHTM = 'pt-br'
|
||||
ENCODING = 'cp1252'
|
||||
ENCHTM = 'iso-8859-1'
|
||||
directionhtm = 'ltr'
|
||||
requires_version = (0, 7, 47)
|
||||
news = True
|
||||
class Folha(BasicNewsRecipe):
|
||||
title = 'Folha de São Paolo'
|
||||
language = 'pt_BR'
|
||||
__author__ = 'Bola de Fogo'
|
||||
oldest_article = 1
|
||||
max_articles_per_feed = 100
|
||||
auto_cleanup = True
|
||||
|
||||
title = u'Folha de S\xE3o Paulo'
|
||||
__author__ = 'Euler Alves and Alex Mitrani, improved by Bola de Fogo'
|
||||
description = u'Brazilian news from Folha de S\xE3o Paulo'
|
||||
publisher = u'Folha de S\xE3o Paulo'
|
||||
category = 'news, rss'
|
||||
|
||||
oldest_article = 4
|
||||
max_articles_per_feed = 200
|
||||
summary_length = 1000
|
||||
|
||||
remove_javascript = True
|
||||
no_stylesheets = True
|
||||
use_embedded_content = False
|
||||
remove_empty_feeds = True
|
||||
timefmt = ' [%d %b %Y (%a)]'
|
||||
|
||||
html2lrf_options = [
|
||||
'--comment', description, '--category', category, '--publisher', publisher
|
||||
feeds = [
|
||||
(u'Poder', u'http://feeds.folha.uol.com.br/poder/rss091.xml'),
|
||||
(u'Cotidiano', u'http://feeds.folha.uol.com.br/cotidiano/rss091.xml'),
|
||||
('Painel', 'http://painel.blogfolha.uol.com.br/feed/'),
|
||||
('Josias', 'http://josiasdesouza.blogosfera.uol.com.br/feed/'),
|
||||
('Milton Neves', 'http://blogmiltonneves.bol.uol.com.br/feed/'),
|
||||
('Noblat', 'http://noblat.oglobo.globo.com/rss/ultimas.feed'),
|
||||
(u'Mercado', u'http://feeds.folha.uol.com.br/mercado/rss091.xml'),
|
||||
(u'Mundo', u'http://feeds.folha.uol.com.br/mundo/rss091.xml'),
|
||||
(u'Esporte', u'http://feeds.folha.uol.com.br/esporte/rss091.xml'),
|
||||
(u'Comida', u'http://feeds.folha.uol.com.br/comida/rss091.xml'),
|
||||
(u'Tec', u'http://feeds.folha.uol.com.br/tec/rss091.xml'),
|
||||
(u'Ilustrada', u'http://feeds.folha.uol.com.br/ilustrada/rss091.xml'),
|
||||
(u'Opiniao', u'http://feeds.folha.uol.com.br/opiniao/rss091.xml'),
|
||||
(u'Ciência', u'http://feeds.folha.uol.com.br/ciencia/rss091.xml'),
|
||||
(u'Equilíbrio e Saúde', u'http://feeds.folha.uol.com.br/equilibrioesaude/rss091.xml'),
|
||||
(u'Elio Gaspari', u'http://feeds.folha.uol.com.br/colunas/eliogaspari/rss091.xml'),
|
||||
(u'Tati Bernardi', u'http://feeds.folha.uol.com.br/colunas/tatibernardi/rss091.xml'),
|
||||
(u'PVC', u'http://feeds.folha.uol.com.br/colunas/pvc/rss091.xml'),
|
||||
(u'Clóvis Rossi', u'http://feeds.folha.uol.com.br/colunas/clovisrossi/rss091.xml'),
|
||||
(u'Hélio Schwartsman', u'http://feeds.folha.uol.com.br/colunas/helioschwartsman/rss091.xml'),
|
||||
(u'Janio de Freitas', u'http://feeds.folha.uol.com.br/colunas/janiodefreitas/rss091.xml'),
|
||||
(u'João Pereira Coutinho', u'http://feeds.folha.uol.com.br/colunas/joaopereiracoutinho/rss091.xml'),
|
||||
(u'Juca', u'http://feeds.folha.uol.com.br/colunas/jucakfouri/rss091.xml'),
|
||||
(u'Vinicius Torres Freitas', u'http://feeds.folha.uol.com.br/colunas/viniciustorres/rss091.xml'),
|
||||
(u'Monica Bergamo', u'http://feeds.folha.uol.com.br/colunas/monicabergamo/rss091.xml'),
|
||||
(u'Alexandre Schwartsman', u'http://feeds.folha.uol.com.br/colunas/alexandreschwartsman/rss091.xml'),
|
||||
(u'Vinicius Mota', u'http://feeds.folha.uol.com.br/colunas/viniciusmota/rss091.xml'),
|
||||
(u'Tostao', u'http://feeds.folha.uol.com.br/colunas/tostao/rss091.xml'),
|
||||
(u'Reinaldo Azevedo', u'http://feeds.folha.uol.com.br/colunas/reinaldoazevedo/rss091.xml'),
|
||||
(u'Contardo', u'http://feeds.folha.uol.com.br/colunas/contardocalligaris/rss091.xml'),
|
||||
(u'Samuel Pessoa', u'http://feeds.folha.uol.com.br/colunas/samuelpessoa/rss091.xml'),
|
||||
(u'Onbudsman', u'http://feeds.folha.uol.com.br/colunas/paula-cesarino-costa-ombudsman/rss091.xml'),
|
||||
('Mariliz Pereira', 'http://feeds.folha.uol.com.br/colunas/marilizpereirajorge/rss091.xml'),
|
||||
('X', 'http://xdesexo.blogfolha.uol.com.br/feed/'),
|
||||
]
|
||||
|
||||
html2epub_options = 'publisher="' + publisher + \
|
||||
'"\ncomments="' + description + '"\ntags="' + category + '"'
|
||||
|
||||
hoje = datetime.now()
|
||||
pubdate = hoje.strftime('%a, %d %b')
|
||||
if hoje.hour < 6:
|
||||
hoje = hoje - timedelta(days=1)
|
||||
|
||||
CAPA = 'http://img.kiosko.net/' + hoje.strftime('%Y') + '/' + hoje.strftime(
|
||||
'%m') + '/' + hoje.strftime('%d') + '/br/br_folha_spaulo.200.jpg'
|
||||
SCREENSHOT = 'http://www1.folha.uol.com.br/'
|
||||
cover_margins = (0, 0, 'white')
|
||||
masthead_url = 'http://f.i.uol.com.br/fsp/furniture/images/lgo-fsp-430x50-ffffff.gif'
|
||||
|
||||
keep_only_tags = [
|
||||
dict(name='div', attrs={'id': 'articleNew'}),
|
||||
dict(name='article', id='news'),
|
||||
]
|
||||
|
||||
feeds = [
|
||||
|
||||
(u'Em cima da hora', u'http://feeds.folha.uol.com.br/emcimadahora/rss091.xml'),
|
||||
(u'Poder', u'http://feeds.folha.uol.com.br/poder/rss091.xml'),
|
||||
(u'Cotidiano', u'http://feeds.folha.uol.com.br/cotidiano/rss091.xml'),
|
||||
(u'Mercado', u'http://feeds.folha.uol.com.br/mercado/rss091.xml'),
|
||||
(u'Mundo', u'http://feeds.folha.uol.com.br/mundo/rss091.xml'),
|
||||
(u'Esporte', u'http://feeds.folha.uol.com.br/esporte/rss091.xml'),
|
||||
(u'Comida', u'http://feeds.folha.uol.com.br/comida/rss091.xml'),
|
||||
(u'Tec', u'http://feeds.folha.uol.com.br/tec/rss091.xml'),
|
||||
(u'Ilustrada', u'http://feeds.folha.uol.com.br/ilustrada/rss091.xml'),
|
||||
(u'Ambiente', u'http://feeds.folha.uol.com.br/ambiente/rss091.xml'),
|
||||
(u'Opiniao', u'http://feeds.folha.uol.com.br/opiniao/rss091.xml'),
|
||||
(u'Ci\xEAncia', u'http://feeds.folha.uol.com.br/ciencia/rss091.xml'),
|
||||
(u'Equil\xEDbrio e Sa\xFAde', u'http://feeds.folha.uol.com.br/equilibrioesaude/rss091.xml'),
|
||||
(u'Elio Gaspari', u'http://feeds.folha.uol.com.br/colunas/eliogaspari/rss091.xml'),
|
||||
(u'Tati Bernardi', u'http://feeds.folha.uol.com.br/colunas/tatibernardi/rss091.xml'),
|
||||
(u'PVC', u'http://feeds.folha.uol.com.br/colunas/pvc/rss091.xml'),
|
||||
(u'Clóvis Rossi', u'http://feeds.folha.uol.com.br/colunas/clovisrossi/rss091.xml'),
|
||||
(u'Hélio Schwartsman', u'http://feeds.folha.uol.com.br/colunas/helioschwartsman/rss091.xml'),
|
||||
(u'Humberto Luiz Peron', u'http://feeds.folha.uol.com.br/colunas/futebolnarede/rss091.xml'),
|
||||
(u'João Pereira Coutinho', u'http://feeds.folha.uol.com.br/colunas/joaopereiracoutinho/rss091.xml'),
|
||||
(u'Cony', u'http://feeds.folha.uol.com.br/colunas/carlosheitorcony/rss091.xml'),
|
||||
(u'Juca', u'http://feeds.folha.uol.com.br/colunas/jucakfouri/rss091.xml'),
|
||||
(u'Viniciu Torres Freitas', u'http://feeds.folha.uol.com.br/colunas/viniciustorres/rss091.xml'),
|
||||
(u'Monica Bergamo', u'http://feeds.folha.uol.com.br/colunas/monicabergamo/rss091.xml'),
|
||||
(u'Vinicius Mota', u'http://feeds.folha.uol.com.br/colunas/viniciusmota/rss091.xml'),
|
||||
(u'Bernardo Guimaraes', u'http://aeconomianoseculo21.blogfolha.uol.com.br/feed/'),
|
||||
(u'Tostao', u'http://feeds.folha.uol.com.br/colunas/tostao/rss091.xml'),
|
||||
(u'Valdo Cruz', u'http://feeds.folha.uol.com.br/colunas/valdocruz/rss091.xml')
|
||||
]
|
||||
|
||||
conversion_options = {
|
||||
'title': title, 'comments': description, 'publisher': publisher, 'tags': category, 'language': LANGUAGE, 'linearize_tables': True
|
||||
}
|
||||
|
||||
def preprocess_html(self, soup):
|
||||
for item in soup.findAll(style=True):
|
||||
del item['style']
|
||||
if not soup.find(attrs={'http-equiv': 'Content-Language'}):
|
||||
meta0 = Tag(soup, 'meta', [
|
||||
("http-equiv", "Content-Language"), ("content", self.LANGHTM)])
|
||||
soup.head.insert(0, meta0)
|
||||
if not soup.find(attrs={'http-equiv': 'Content-Type'}):
|
||||
meta1 = Tag(soup, 'meta', [
|
||||
("http-equiv", "Content-Type"), ("content", "text/html; charset=" + self.ENCHTM)])
|
||||
soup.head.insert(0, meta1)
|
||||
return soup
|
||||
|
||||
def postprocess_html(self, soup, first):
|
||||
# process all the images. assumes that the new html has the correct
|
||||
# path
|
||||
for tag in soup.findAll(lambda tag: tag.name.lower() == 'img' and 'src' in tag):
|
||||
iurl = tag['src']
|
||||
img = Image()
|
||||
img.open(iurl)
|
||||
width, height = img.size
|
||||
print 'img is: ', iurl, 'width is: ', width, 'height is: ', height
|
||||
if img < 0:
|
||||
raise RuntimeError('Out of memory')
|
||||
pw = PixelWand()
|
||||
if(width > height and width > 590):
|
||||
print 'Rotate image'
|
||||
img.rotate(pw, -90)
|
||||
img.save(iurl)
|
||||
return soup
|
||||
|
||||
def get_cover_url(self):
|
||||
cover_url = self.CAPA
|
||||
pedido = Request(self.CAPA)
|
||||
pedido.add_header('User-agent', 'Mozilla/5.0 (Windows; U; Windows NT 5.1; ' +
|
||||
self.LANGHTM + '; userid=' + self.THUMBALIZR_API + ') Calibre/0.8.47 (like Gecko)')
|
||||
pedido.add_header('Accept-Charset', self.ENCHTM)
|
||||
pedido.add_header('Referer', self.SCREENSHOT)
|
||||
try:
|
||||
resposta = urlopen(pedido)
|
||||
soup = BeautifulSoup(resposta)
|
||||
cover_item = soup.find('body')
|
||||
if cover_item:
|
||||
cover_url = 'http://api.thumbalizr.com/?api_key=' + self.THUMBALIZR_API + \
|
||||
'&url=' + self.SCREENSHOT + '&width=600&quality=90'
|
||||
return cover_url
|
||||
except URLError:
|
||||
cover_url = 'http://api.thumbalizr.com/?api_key=' + self.THUMBALIZR_API + \
|
||||
'&url=' + self.SCREENSHOT + '&width=600&quality=90'
|
||||
return cover_url
|
||||
|
||||
Loading…
x
Reference in New Issue
Block a user