calibre/recipes/lacapital.recipe
Kovid Goyal 567040ee1e Perform PEP8 compliance checks on the entire codebase
Some bits of PEP 8 are turned off via setup.cfg
2016-07-29 21:25:17 +05:30

76 lines
3.1 KiB
Plaintext

__license__ = 'GPL v3'
__copyright__ = '2013, Darko Miletic <darko.miletic at gmail.com>'
'''
www.lacapital.com.ar
'''
from calibre.web.feeds.news import BasicNewsRecipe
class LaCapital(BasicNewsRecipe):
title = 'La Capital de Rosario'
__author__ = 'Darko Miletic'
description = 'Noticias, actualidad y toda la informacion de Rosario y la region'
publisher = 'Diario La Capital S. A.'
category = 'news, politics, Rosario, Santa Fe, Argentina'
oldest_article = 2
max_articles_per_feed = 200
no_stylesheets = True
encoding = 'utf8'
use_embedded_content = False
language = 'es_AR'
remove_empty_feeds = True
publication_type = 'newspaper'
masthead_url = 'http://www.lacapital.com.ar/system/modules/com.tfsla.diario.core/resources/images/logoLaCapital_noCom.png'
extra_css = """
body{font-family: Georgia,"Times New Roman",Times,serif }
img{margin-bottom: 0.4em; display:block}
"""
conversion_options = {
'comment': description, 'tags': category, 'publisher': publisher, 'language': language
}
keep_only_tags = [dict(attrs={'class': 'leer'})]
remove_tags_after = dict(attrs={'class': 'notaA'})
remove_tags = [
dict(name=['meta', 'link', 'iframe', 'object']), dict(
name='div', attrs={'class': ['herramientas', 'almargen', 'relacionadas']})
]
feeds = [
(u'Portada', u'http://www.lacapital.com.ar/rss/home.xml'),
(u'La Ciudad', u'http://www.lacapital.com.ar/rss/laciudad.xml'),
(u'Politica', u'http://www.lacapital.com.ar/rss/politica.xml'),
(u'Economia', u'http://www.lacapital.com.ar/rss/economia.xml'),
(u'La Region', u'http://www.lacapital.com.ar/rss/laregion.xml'),
(u'Informacion General', u'http://www.lacapital.com.ar/rss/informaciongral.xml'),
(u'El Mundo', u'http://www.lacapital.com.ar/rss/elmundo.xml'),
(u'Opinion', u'http://www.lacapital.com.ar/rss/opinion.xml'),
(u'Cartas de lectores', u'http://www.lacapital.com.ar/rss/cartasdelectores.xml'),
(u'Escenario', u'http://www.lacapital.com.ar/rss/escenario.xml'),
(u'Policiales', u'http://www.lacapital.com.ar/rss/policiales.xml'),
(u'Ovacion', u'http://www.lacapital.com.ar/rss/ovacion.xml'),
(u'Turismo', u'http://www.lacapital.com.ar/rss/turismo.xml'),
(u'Economia', u'http://www.lacapital.com.ar/rss/economia.xml'),
(u'Señales', u'http://www.lacapital.com.ar/rss/senales.xml'),
(u'Educacion', u'http://www.lacapital.com.ar/rss/educacion.xml'),
(u'Estilo', u'http://www.lacapital.com.ar/rss/estilo.xml'),
(u'Salud', u'http://www.lacapital.com.ar/rss/salud.xml'),
(u'Tecnologia', u'http://www.lacapital.com.ar/rss/tecnologia.xml')
]
def get_cover_url(self):
soup = self.index_to_soup(
'http://www.lacapital.com.ar/impresa/tapa.html')
for image in soup.findAll('img', alt=True):
if image['alt'].startswith('Tapa de papel'):
return image['src']
return None
def preprocess_html(self, soup):
for item in soup.findAll(style=True):
del item['style']
return soup