mirror of
https://github.com/kovidgoyal/calibre.git
synced 2025-07-09 03:04:10 -04:00
Update El Correo
This commit is contained in:
Kovid Goyal
parent
8af58a4af2
commit
fcae8b3e04
@ -3,8 +3,8 @@ __license__ = 'GPL v3'
|
||||
__copyright__ = '08 Januery 2011, desUBIKado'
|
||||
__author__ = 'desUBIKado'
|
||||
__description__ = 'Daily newspaper from Biscay'
|
||||
__version__ = 'v0.13'
|
||||
__date__ = '28, July 2016'
|
||||
__version__ = 'v0.14'
|
||||
__date__ = '10, September 2017'
|
||||
'''
|
||||
http://www.elcorreo.com/
|
||||
'''
|
||||
@ -33,75 +33,58 @@ class elcorreo(BasicNewsRecipe):
|
||||
remove_javascript = True
|
||||
|
||||
feeds = [
|
||||
(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')
|
||||
(u'Portada', u'http://www.elcorreo.com/rss/atom/portada'),
|
||||
(u'Mundo', u'http://www.elcorreo.com/rss/atom/?section=internacional'),
|
||||
(u'Bizkaia', u'http://www.elcorreo.com/rss/atom/?section=bizkaia'),
|
||||
(u'Guipuzkoa', u'http://www.elcorreo.com/rss/atom/?section=gipuzkoa'),
|
||||
(u'Araba', u'http://www.elcorreo.com/rss/atom/?section=araba'),
|
||||
(u'La Rioja', u'http://www.elcorreo.com/rss/atom/?section=larioja'),
|
||||
(u'Miranda', u'http://www.elcorreo.com/rss/atom/?section=miranda'),
|
||||
(u'Economía', u'http://www.elcorreo.com/rss/atom/?section=economia'),
|
||||
(u'Culturas', u'http://www.elcorreo.com/rss/atom/?section=culturas'),
|
||||
(u'Politica', u'http://www.elcorreo.com/rss/atom/?section=politica'),
|
||||
(u'Tecnología', u'http://www.elcorreo.com/rss/atom/?section=tecnologia'),
|
||||
(u'Gente - Estilo', u'http://www.elcorreo.com/rss/atom/?section=gente-estilo'),
|
||||
(u'Planes', u'http://www.elcorreo.com/rss/atom/?section=planes'),
|
||||
(u'Athletic', u'http://www.elcorreo.com/rss/atom/?section=athletic'),
|
||||
(u'Alavés', u'http://www.elcorreo.com/rss/atom/?section=alaves'),
|
||||
(u'Bilbao Basket', u'http://www.elcorreo.com/rss/atom/?section=bilbaobasket'),
|
||||
(u'Baskonia', u'http://www.elcorreo.com/rss/atom/?section=baskonia'),
|
||||
(u'Deportes', u'http://www.elcorreo.com/rss/atom/?section=deportes'),
|
||||
(u'Jaiak', u'http://www.elcorreo.com/rss/atom/?section=jaiak'),
|
||||
(u'La Blanca', u'http://www.elcorreo.com/rss/atom/?section=la-blanca-vitoria'),
|
||||
(u'Aste Nagusia', u'http://www.elcorreo.com/rss/atom/?section=aste-nagusia-bilbao'),
|
||||
(u'Semana Santa', u'http://www.elcorreo.com/rss/atom/?section=semana-santa'),
|
||||
(u'Festivales', u'http://www.elcorreo.com/rss/atom/?section=festivales')
|
||||
]
|
||||
|
||||
keep_only_tags = [
|
||||
dict(name='article', attrs={'class': ['story media-list ']})
|
||||
dict(name='div', attrs={'class': ['col-xs-12 col-sm-12 col-md-8 col-lg-8']})
|
||||
]
|
||||
|
||||
remove_tags = [
|
||||
dict(name='span', attrs={'class': ['no-comments']}),
|
||||
dict(name='div', attrs={'class': ['compApoyosText compNoticiasR']})
|
||||
dict(
|
||||
name='div',
|
||||
attrs={
|
||||
'class': [
|
||||
'voc-topics voc-detail-grid ', 'voc-newsletter ',
|
||||
'voc-author-social'
|
||||
]
|
||||
}
|
||||
),
|
||||
dict(name='section', attrs={'class': ['voc-ficha-detail voc-file-sports']})
|
||||
]
|
||||
|
||||
remove_tags_before = dict(name='article', attrs={
|
||||
'class': 'story media-list '})
|
||||
remove_tags_after = dict(name='article', attrs={
|
||||
'class': 'story media-list '})
|
||||
|
||||
# Usamos la versión para móviles
|
||||
|
||||
def print_version(self, url):
|
||||
return url.replace('http://www.', 'http://m.')
|
||||
remove_tags_before = dict(
|
||||
name='div', attrs={'class': 'col-xs-12 col-sm-12 col-md-8 col-lg-8'}
|
||||
)
|
||||
remove_tags_after = dict(
|
||||
name='div', attrs={'class': 'col-xs-12 col-sm-12 col-md-8 col-lg-8'}
|
||||
)
|
||||
|
||||
_processed_links = []
|
||||
|
||||
def get_article_url(self, article):
|
||||
|
||||
link = article.get('link', None)
|
||||
|
||||
if link is None:
|
||||
@ -114,35 +97,38 @@ class elcorreo(BasicNewsRecipe):
|
||||
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'
|
||||
link = 'http://www.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'
|
||||
link = 'http://www.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'
|
||||
link = 'http://www.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'
|
||||
link = 'http://www.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")
|
||||
# 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
|
||||
# Controlamos si el artículo ha sido incluido en otro feed para eliminarlo
|
||||
|
||||
if not (link in self._processed_links):
|
||||
self._processed_links.append(link)
|
||||
@ -151,8 +137,7 @@ class elcorreo(BasicNewsRecipe):
|
||||
|
||||
return link
|
||||
|
||||
# Recuperamos la portada de papel (la imagen format=1 tiene mayor
|
||||
# resolucion)
|
||||
# Recuperamos la portada de papel (la imagen format=1 tiene mayor resolucion)
|
||||
|
||||
def get_cover_url(self):
|
||||
cover = None
|
||||
@ -173,24 +158,26 @@ class elcorreo(BasicNewsRecipe):
|
||||
# Para cambiar el estilo del texto
|
||||
|
||||
extra_css = '''
|
||||
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}
|
||||
h1 {font-family:Arial,Helvetica,sans-serif; font-weight:bold;font-size:28px;}
|
||||
h2 {font-family:georgia,serif; font-style:italic; font-weight:normal;font-size:16px;color:#4D4D4D;}
|
||||
h3 {font-family:georgia,serif; font-weight:bold;font-size:18px;}
|
||||
'''
|
||||
|
||||
preprocess_regexps = [
|
||||
|
||||
# Para presentar la imagen de los video incrustados
|
||||
(re.compile(r'stillURLVideo: \'', re.DOTALL | re.IGNORECASE),
|
||||
lambda match: '</script><img src="'),
|
||||
(re.compile(r'.jpg\',', re.DOTALL | re.IGNORECASE),
|
||||
lambda match: '.jpg"><SCRIPT TYPE="text/JavaScript"'),
|
||||
(
|
||||
re.compile(r'stillURLVideo: \'', re.DOTALL | re.IGNORECASE),
|
||||
lambda match: '</script><img src="'
|
||||
),
|
||||
(
|
||||
re.compile(r'.jpg\',', re.DOTALL | re.IGNORECASE),
|
||||
lambda match: '.jpg"><SCRIPT TYPE="text/JavaScript"'
|
||||
),
|
||||
|
||||
# Para quitar el punto de la lista
|
||||
(re.compile(r'<li class="destacada">', re.DOTALL | re.IGNORECASE),
|
||||
lambda match: '<div class="destacada"></div>')
|
||||
|
||||
(
|
||||
re.compile(r'<li class="destacada">', re.DOTALL | re.IGNORECASE),
|
||||
lambda match: '<div class="destacada"></div>'
|
||||
)
|
||||
]
|
||||
|
||||
Loading…
x
Reference in New Issue
Block a user