calibre/recipes/elpais_impreso.recipe
2014-03-30 08:10:53 +05:30

91 lines
5.2 KiB
Plaintext

# vim:fileencoding=UTF-8:ts=4:sw=4:sta:et:sts=4:ai
__license__ = 'GPL v3'
__copyright__ = '2010-2014, Darko Miletic <darko.miletic at gmail.com>'
'''
elpais.com
'''
from calibre import strftime
from calibre.web.feeds.news import BasicNewsRecipe
class ElPais_RSS(BasicNewsRecipe):
title = u'El País'
__author__ = 'Darko Miletic'
description = u'Noticias de última hora sobre la actualidad en España y el mundo: política, economía, deportes, cultura, sociedad, tecnología, gente, opinión, viajes, moda, televisión, los blogs y las firmas de EL PAÍS. Además especiales, vídeos, fotos, audios, gráficos, entrevistas, promociones y todos los servicios de EL PAÍS.' # noqa
publisher = 'EDICIONES EL PAIS, S.L.'
category = 'news, politics, finances, world, spain'
oldest_article = 2
max_articles_per_feed = 200
no_stylesheets = True
encoding = 'utf8'
use_embedded_content = False
language = 'es'
remove_empty_feeds = True
publication_type = 'newspaper'
masthead_url = 'http://ep01.epimg.net/iconos/v1.x/v1.0/logos/cabecera_portada.png'
cover_url = strftime('http://srv00.epimg.net/pdf/elpais/1aPagina/%Y/%m/ep-%Y%m%d.pdf')
extra_css = """
h1{font-family: Georgia,"Times New Roman",Times,serif }
#subtitulo_noticia, .firma, .figcaption{font-size: small}
body{font-family: Arial,Helvetica,Garuda,sans-serif}
img{margin-bottom: 0.4em; display:block}
"""
conversion_options = {
'comment' : description
, 'tags' : category
, 'publisher' : publisher
, 'language' : language
}
keep_only_tags = [
dict(attrs={'id':['titulo_noticia','subtitulo_noticia']})
,dict(attrs={'class':['firma','columna_texto','entrevista_p_r']})
]
remove_tags = [
dict(name=['iframe','embed','object'])
,dict(attrs={'class':'disposicion_vertical'})
]
feeds = [
(u'Lo ultimo' , u'http://ep00.epimg.net/rss/tags/ultimas_noticias.xml')
,(u'America Latina' , u'http://elpais.com/tag/rss/latinoamerica/a/')
,(u'Mexico' , u'http://elpais.com/tag/rss/mexico/a/')
,(u'Europa' , u'http://elpais.com/tag/rss/europa/a/')
,(u'Estados Unidos' , u'http://elpais.com/tag/rss/estados_unidos/a/')
,(u'Oriente proximo' , u'http://elpais.com/tag/rss/oriente_proximo/a/')
,(u'Andalucia' , u'http://ep00.epimg.net/rss/ccaa/andalucia.xml')
,(u'Catalunia' , u'http://ep00.epimg.net/rss/ccaa/catalunya.xml')
,(u'Comunidad Valenciana' , u'http://ep00.epimg.net/rss/ccaa/valencia.xml')
,(u'Madrid' , u'http://ep00.epimg.net/rss/ccaa/madrid.xml')
,(u'Pais Vasco' , u'http://ep00.epimg.net/rss/ccaa/paisvasco.xml')
,(u'Galicia' , u'http://ep00.epimg.net/rss/ccaa/galicia.xml')
,(u'Sociedad' , u'http://ep00.epimg.net/rss/sociedad/portada.xml')
,(u'Deportes' , u'http://ep00.epimg.net/rss/deportes/portada.xml')
,(u'Cultura' , u'http://ep00.epimg.net/rss/cultura/portada.xml')
,(u'Cine' , u'http://elpais.com/tag/rss/cine/a/')
,(u'Economía' , u'http://elpais.com/tag/rss/economia/a/')
,(u'Literatura' , u'http://elpais.com/tag/rss/libros/a/')
,(u'Musica' , u'http://elpais.com/tag/rss/musica/a/')
,(u'Arte' , u'http://elpais.com/tag/rss/arte/a/')
,(u'Medio Ambiente' , u'http://elpais.com/tag/rss/medio_ambiente/a/')
,(u'Tecnologia' , u'http://ep01.epimg.net/rss/tecnologia/portada.xml')
,(u'Ciencia' , u'http://ep00.epimg.net/rss/tags/c_ciencia.xml')
,(u'Salud' , u'http://elpais.com/tag/rss/salud/a/')
,(u'Ocio' , u'http://elpais.com/tag/rss/ocio/a/')
,(u'Justicia y Leyes' , u'http://elpais.com/tag/rss/justicia/a/')
,(u'Guerras y conflictos' , u'http://elpais.com/tag/rss/conflictos/a/')
,(u'Politica' , u'http://ep00.epimg.net/rss/politica/portada.xml')
,(u'Opinion' , u'http://ep01.epimg.net/rss/elpais/opinion.xml')
]
def get_article_url(self, article):
url = BasicNewsRecipe.get_article_url(self, article)
if url and (not('/album/' in url) and not('/futbol/partido/' in url)):
return url
self.log('Skipping non-article', url)
return None
def preprocess_raw_html(self, raw, url):
return '<html><head><title>Untitled</title>'+raw[raw.find('</head>'):]