PDA

Ver la versión completa : La Tribuna de (v1.0)



tolyluis
02/02/2011, 22:25
Buenas:

Aqui traigo un poco de código "reciclado", es de una receta que cree yo (http://www.mobileread.com/forums/showthread.php?t=118255) para la Tribuna de Talavera y que ayer descubrí que es válida para las siguientes localidades:


Albacete - www.latribunadealbacete.es
Avila - www.diariodeavila.es
Burgos - www.diariodeburgos.es
Ciudad Real - www.latribunadeciudadreal.es
Palencia - www.diariopalentino.es
Puertollano - www.latribunadepuertollano.es
Talavera de la Reina - www.latribunadetalavera.es
Toledo - www.latribunadetoledo.es
Valladolid - www.eldiadevalladolid.com

Son todas páginas del grupo PROMECAL y son sobre noticias locales generalmente.

Este es el código:



__license__ = 'GPL v3'
__author__ = 'Luis Hernandez'
__copyright__ = 'Luis Hernandez<tolyluis@gmail.com>'
__version__ = 'v1.0'
__date__ = '01 Feb 2011'

'''
http://www.promecal.es/
'''

class AdvancedUserRecipe1294946868(BasicNewsRecipe):

title = u'La Tribuna de'
publisher = u'Grupo PROMECAL'

__author__ = 'Luis Hernández'
description = 'Varios diarios locales del grupo PROMECAL'

oldest_article = 3
max_articles_per_feed = 50

remove_javascript = True
no_stylesheets = True
use_embedded_content = False

encoding = 'utf-8'
language = 'es_ES'
timefmt = '[%a, %d %b, %Y]'

keep_only_tags = [
dict(name='div', attrs={'id':['articulo']})
,dict(name='div', attrs={'class':['foto']})
,dict(name='p', attrs={'id':['texto']})
]

remove_tags_before = dict(name='div' , attrs={'class':['comparte']})
remove_tags_after = dict(name='div' , attrs={'id':['relacionadas']})

remove_tags = [
dict(name='div', attrs={'id':['relacionadas']})
,dict(name='h3')
,dict(name='h5')
]

extra_css = """
p{text-align: justify; font-size: 100%}
body{text-align: left; font-family: serif; font-size: 100%}
h1{font-family: sans; font-size:150%; font-weight: bold; text-align: justify;}
h2{font-family: sans-serif; font-size:85%; font-style: italic; text-align: justify;}
h4{font-family: sans; font-size:75%; font-weight: bold; text-align: center;}
img{margin-bottom: 0.4em}
"""

def preprocess_html(self, soup):
for alink in soup.findAll('a'):
if alink.string is not None:
tstr = alink.string
alink.replaceWith(tstr)
return soup


feeds = [
(u'Albacete', u'http://www.latribunadealbacete.es/rss.html')
,(u'Avila', u'http://www.diariodeavila.es/rss.html')
,(u'Burgos', u'http://www.diariodeburgos.es/rss.html')
,(u'Ciudad Real', u'http://www.latribunadeciudadreal.es/rss.html')
,(u'Palencia', u'http://www.diariopalentino.es/rss.html')
,(u'Puertollano', u'http://www.latribunadepuertollano.es/rss.html')
,(u'Talavera de la Reina', u'http://www.latribunadetalavera.es/rss.html')
,(u'Toledo', u'http://www.latribunadetoledo.es/rss.html')
,(u'Valladolid', u'http://www.eldiadevalladolid.com/rss.html')
]


Espero que os guste.