mirror of
https://github.com/kovidgoyal/calibre.git
synced 2025-07-07 18:24:30 -04:00
Update Pagina 12
Fixes #1796371 [Updated recipe for Pagina 12](https://bugs.launchpad.net/calibre/+bug/1796371)
This commit is contained in:
Kovid Goyal
parent
6a20a354bb
commit
b413b8c40b
@ -2,12 +2,13 @@
|
||||
# -*- coding: utf-8 -*-
|
||||
|
||||
__license__ = 'GPL v3'
|
||||
__copyright__ = '2008-2017, Darko Miletic <darko.miletic at gmail.com>'
|
||||
__copyright__ = '2008-2018, Darko Miletic <darko.miletic at gmail.com>'
|
||||
'''
|
||||
pagina12.com.ar
|
||||
'''
|
||||
from calibre import strftime
|
||||
from calibre.web.feeds.news import BasicNewsRecipe
|
||||
from calibre.ptempfile import PersistentTemporaryFile
|
||||
|
||||
|
||||
class Pagina12(BasicNewsRecipe):
|
||||
@ -24,12 +25,17 @@ class Pagina12(BasicNewsRecipe):
|
||||
remove_empty_feeds = True
|
||||
publication_type = 'newspaper'
|
||||
auto_cleanup = False
|
||||
delay = 1
|
||||
simultaneous_downloads = 1
|
||||
timeout = 8
|
||||
ignore_duplicate_articles = {'url'}
|
||||
PREFIX = 'https://www.pagina12.com.ar'
|
||||
articles_are_obfuscated = True
|
||||
temp_files = []
|
||||
fetch_retries = 10
|
||||
extra_css = """
|
||||
body{font-family: Lora,serif}
|
||||
body{font-family: "Open Sans", sans-serif}
|
||||
.article-date{font-size: small; margin-bottom: 1em;}
|
||||
.article-title{font-size: x-large; font-weight: bold; display: block; margin-bottom: 1em; margin-top: 1em; font-family: Oswald,sans-serif}
|
||||
.article-title{font-size: x-large; font-weight: bold; display: block; margin-bottom: 1em; margin-top: 1em;}
|
||||
.article-main-media{display: block; margin-bottom: 1em;}
|
||||
.article-summary{margin-top:1em; margin-bottom: 1em; display:block}
|
||||
.article-author{font-family: "Archivo Narrow",Helvetica,sans-serif; color: gray; font-size: small; margin-top:1em; margin-bottom: 1em}
|
||||
@ -44,57 +50,49 @@ class Pagina12(BasicNewsRecipe):
|
||||
|
||||
remove_tags = [
|
||||
dict(name=['meta', 'link']),
|
||||
dict(attrs={'class':'article-main-media-social show-for-medium'})
|
||||
]
|
||||
|
||||
keep_only_tags=[
|
||||
dict(name='div', attrs={'class':[
|
||||
'article-date',
|
||||
'article-main-media-image',
|
||||
'article-prefix',
|
||||
'article-title',
|
||||
'article-summary',
|
||||
'article-author',
|
||||
'article-info',
|
||||
'article-titles',
|
||||
'article-main-media-header',
|
||||
'article-main-media',
|
||||
'article-text'
|
||||
]})
|
||||
]
|
||||
|
||||
feeds = [
|
||||
(u'Diario de hoy' , u'https://www.pagina12.com.ar/rss/edicion-impresa'),
|
||||
(u'El Pais' , u'https://www.pagina12.com.ar/rss/secciones/el-pais/notas'),
|
||||
(u'Economia' , u'https://www.pagina12.com.ar/rss/secciones/economia/notas'),
|
||||
(u'Sociedad' , u'https://www.pagina12.com.ar/rss/secciones/sociedad/notas'),
|
||||
(u'El Mundo' , u'https://www.pagina12.com.ar/rss/secciones/el-mundo/notas'),
|
||||
(u'Deportes' , u'https://www.pagina12.com.ar/rss/secciones/deportes/notas'),
|
||||
(u'Cultura' , u'https://www.pagina12.com.ar/rss/secciones/cultura/notas'),
|
||||
(u'Universidad' , u'https://www.pagina12.com.ar/rss/secciones/universidad/notas'),
|
||||
(u'Ciencia' , u'https://www.pagina12.com.ar/rss/secciones/ciencia/notas'),
|
||||
(u'Psicologia' , u'https://www.pagina12.com.ar/rss/secciones/psicologia/notas'),
|
||||
(u'Ajedrez' , u'https://www.pagina12.com.ar/rss/secciones/ajedrez/notas'),
|
||||
(u'La Ventana' , u'https://www.pagina12.com.ar/rss/secciones/la-ventana/notas'),
|
||||
(u'Dialogos' , u'https://www.pagina12.com.ar/rss/secciones/dialogos/notas'),
|
||||
(u'Hoy' , u'https://www.pagina12.com.ar/rss/secciones/hoy/notas'),
|
||||
(u'Plastica' , u'https://www.pagina12.com.ar/rss/secciones/plastica/notas'),
|
||||
(u'Carta de Lectores', u'https://www.pagina12.com.ar/rss/secciones/cartas-de-lectores/notas'),
|
||||
(u'Espectaculos' , u'https://www.pagina12.com.ar/rss/suplementos/cultura-y-espectaculos/notas'),
|
||||
(u'Radar' , u'https://www.pagina12.com.ar/rss/suplementos/radar/notas'),
|
||||
(u'Radar libros' , u'https://www.pagina12.com.ar/rss/suplementos/radar-libros/notas'),
|
||||
(u'Cash' , u'https://www.pagina12.com.ar/rss/suplementos/cash/notas'),
|
||||
(u'Turismo' , u'https://www.pagina12.com.ar/rss/suplementos/turismo/notas'),
|
||||
(u'Libero' , u'https://www.pagina12.com.ar/rss/suplementos/libero/notas'),
|
||||
(u'NO' , u'https://www.pagina12.com.ar/rss/suplementos/no/notas'),
|
||||
(u'Las/12' , u'https://www.pagina12.com.ar/rss/suplementos/las12/notas'),
|
||||
(u'Soy' , u'https://www.pagina12.com.ar/rss/suplementos/soy/notas'),
|
||||
(u'Futuro' , u'http://www.pagina12.com.ar/diario/rss/futuro.xml'),
|
||||
(u'M2' , u'https://www.pagina12.com.ar/rss/suplementos/m2/notas'),
|
||||
(u'Rosario/12' , u'https://www.pagina12.com.ar/rss/suplementos/rosario12/notas')
|
||||
(u'Diario de hoy' , u'https://www.pagina12.com.ar/rss/edicion-impresa'),
|
||||
(u'El Pais' , u'https://www.pagina12.com.ar/rss/secciones/el-pais/notas'),
|
||||
(u'Economia' , u'https://www.pagina12.com.ar/rss/secciones/economia/notas'),
|
||||
(u'Sociedad' , u'https://www.pagina12.com.ar/rss/secciones/sociedad/notas'),
|
||||
(u'El Mundo' , u'https://www.pagina12.com.ar/rss/secciones/el-mundo/notas'),
|
||||
(u'Deportes' , u'https://www.pagina12.com.ar/rss/secciones/deportes/notas'),
|
||||
(u'Cultura' , u'https://www.pagina12.com.ar/rss/secciones/cultura/notas'),
|
||||
(u'Universidad' , u'https://www.pagina12.com.ar/rss/secciones/universidad/notas'),
|
||||
(u'Ciencia' , u'https://www.pagina12.com.ar/rss/secciones/ciencia/notas'),
|
||||
(u'Psicologia' , u'https://www.pagina12.com.ar/rss/secciones/psicologia/notas'),
|
||||
(u'Ajedrez' , u'https://www.pagina12.com.ar/rss/secciones/ajedrez/notas'),
|
||||
(u'La Ventana' , u'https://www.pagina12.com.ar/rss/secciones/la-ventana/notas'),
|
||||
(u'Dialogos' , u'https://www.pagina12.com.ar/rss/secciones/dialogos/notas'),
|
||||
(u'Hoy' , u'https://www.pagina12.com.ar/rss/secciones/hoy/notas'),
|
||||
(u'Plastica' , u'https://www.pagina12.com.ar/rss/secciones/plastica/notas'),
|
||||
(u'Cartas de Lectores', u'https://www.pagina12.com.ar/rss/secciones/cartas-de-lectores/notas'),
|
||||
(u'Espectaculos' , u'https://www.pagina12.com.ar/rss/suplementos/cultura-y-espectaculos/notas'),
|
||||
(u'Radar' , u'https://www.pagina12.com.ar/rss/suplementos/radar/notas'),
|
||||
(u'Radar libros' , u'https://www.pagina12.com.ar/rss/suplementos/radar-libros/notas'),
|
||||
(u'Cash' , u'https://www.pagina12.com.ar/rss/suplementos/cash/notas'),
|
||||
(u'Turismo' , u'https://www.pagina12.com.ar/rss/suplementos/turismo/notas'),
|
||||
(u'Libero' , u'https://www.pagina12.com.ar/rss/suplementos/libero/notas'),
|
||||
(u'NO' , u'https://www.pagina12.com.ar/rss/suplementos/no/notas'),
|
||||
(u'Las 12' , u'https://www.pagina12.com.ar/rss/suplementos/las12/notas'),
|
||||
(u'Soy' , u'https://www.pagina12.com.ar/rss/suplementos/soy/notas'),
|
||||
(u'M2' , u'https://www.pagina12.com.ar/rss/suplementos/m2/notas'),
|
||||
(u'Rosario 12' , u'https://www.pagina12.com.ar/rss/suplementos/rosario12/notas')
|
||||
]
|
||||
|
||||
def get_article_url(self, article):
|
||||
url = article.get('guid', None)
|
||||
if url.startswith('/'):
|
||||
return self.PREFIX + url
|
||||
return url
|
||||
|
||||
def get_cover_url(self):
|
||||
lurl = strftime('https://www.pagina12.com.ar/edicion-impresa/%d-%m-%Y')
|
||||
soup = self.index_to_soup(lurl)
|
||||
@ -104,3 +102,21 @@ class Pagina12(BasicNewsRecipe):
|
||||
if image['data-src'].startswith('https://images.pagina12.com.ar/styles/width700/public/'):
|
||||
return image['data-src']
|
||||
return None
|
||||
|
||||
def get_obfuscated_article(self, url):
|
||||
result = None
|
||||
count = 0
|
||||
while (count < self.fetch_retries):
|
||||
try:
|
||||
response = self.browser.open(url, timeout=self.timeout)
|
||||
html = response.read()
|
||||
count = self.fetch_retries
|
||||
tfile = PersistentTemporaryFile('_fa.html')
|
||||
tfile.write(html)
|
||||
tfile.close()
|
||||
self.temp_files.append(tfile)
|
||||
result = tfile.name
|
||||
except:
|
||||
print "Retrying download..."
|
||||
count += 1
|
||||
return result
|
||||
|
||||
Loading…
x
Reference in New Issue
Block a user