Copia y pega en un archivo de texto nuevo con formato Unix (LF) en un editor de texto decente como Notepad++ (gratis). Si lo pegas en archivo de texto en formato Windows (CR+LF), Calibre se negará a aceptarlo. En Notepad++, esta opción se encuentra en Edit > EOL Conversion > Unix Format.
He mejorado un poco más la receta de El País y la adjunto aquí.
Antes, el titular de esta noticia aparecía, mientras que el de ésta no. Ahora salen los dos. Antes, el texto de la caja de vídeo del segundo enlace (desde "ETA anuncia un alto el fuego" hasta "AGENCIA ATLAS") aparecía cuando no pintaba nada. Ahora la noticia acaba donde toca, en "se irá despejando en las próximas semanas".
Mañana me vuelvo a leer el periódico y, si no encuentro más fallos, subo la receta mejorada para que se incorpore con la próxima actualización de Calibre. Si alguien quiere hacer de betatester, bienvenido sea.
Muchas gracias, ya tengo el recipe, lo único decir que también tuve que marcar: Formato/codificar en UTF-8 sin BOM, porque me daba un error de UTF-8 al pasarlo al Calibre.
Aqui dejo el Diario de Navarra por si alguien lo quiere.
lordvetinari2
¿Cómo depuras y sabes que elementos quitar de los RSS?
Estoy intentando hacer un RSS para "La Voz de Galicia" y veo que aparece demasiada basura (siempre aparecen los nombres de sección, "cerrar", "ENVIAR NOTICIA".
El caso que no se como ir depurando. No conozco Python, de momento la técnica es ir deduciendo. Sin embargo, para apurar más, ¿los remove_tags son los ID de los campos o clases que no quieres que muestren?
Es que por ejemplo, el keep_only_tags entiendo que son los únicos tags que quieres que se muestren, entonces no entiendo el sentido del remove_tags.
Yo por ejemplo, uso las herramientas de desarrollador de Chrome para ver los nombres de cada elemento. Sin embargo, esto lo hago en la vista web normal, no en el XML que remite el RSS.
Y una última pregunta, por ejemplo, en webs tipo meneame.net cuando abres una noticia te pone el inicio de la noticia y tienes que pinchar en "ir a la noticia". ¿Cómo haces para que directamente obtenga el título de la noticia y el contenido completo? (aunque esta web va a ser muy complicada, ya que obtiene las noticias de distintas webs)
Edito: Ya se como hacerlo, encontré el tutorial en la web de calibre y lo más coñazo de todo es tener que ir elemento o contenedor por contenedor para que quede la noticia limpia.
Última edición por oscar8x; 15/09/2010 a las 02:09
Ahí le has dao. Es cuestión de ir trasteando hasta que te sale. A veces acabarás antes diciendo "quitámelas todas menos" y otras diciendo "déjame sólo estas", pero a veces también sirve "quítamelo todo antes de" o "después de". Cada periódico es un mundo. Y sí, la ingeniería inversa se hace sobre la noticia en sí, no sobre el XML del RSS. Yo también uso el "Inspeccionar elemento" de Chrome, es muy útil.
¡Suerte!
Lo divertido viene cuando el periódico es raruno, porque divide cada noticia en varias páginas, o porque cada sección tienen un diseño distinto y la receta que funciona en una sección te destroza otra. En esos casos hay que darle al BeautifulSoup (que no tiene tutos específicos al Calibre) y ahí sí hay que saber algo de Python. Cosa que yo no sé, así que ahí digo basta y me rindo.![]()
Amigos, lorvetinari2 y los que sois unos hachas fabricando recetas.
Estoy muy interesado en que se pueda añadir la del semanario El Cultural (del diario El Mundo), lo más completa posible. Creo que es una buena fuente (trata de ser The New Yorker pero en español y para España). A mí me gustaría mucho poder bajarla con el Calibre, pero no tengo conocimientos para fabricar la receta. ¿Podeis hacer ese gran favor de hacer la receta y colgarla aquí para que todos los que lo deseen la puedan aprovechar?
Gracias por anticipado,