Question

我正在使用Calibre从各种新闻来源下载Feed并将其发送给我的kindle。我想知道是否可以使用自定义配方来仅下载在其标题或内容中具有“魔术”关键字的文章。如果您使用自定义配方并覆盖parse_feeds方法，则标题非常简单：

from __future__ import unicode_literals, division, absolute_import, print_function
from calibre.web.feeds.news import BasicNewsRecipe    

class AdvancedUserRecipe1425579653(BasicNewsRecipe):
    title          = 'MY_TITLE'
    oldest_article = 7
    max_articles_per_feed = 100
    auto_cleanup   = True    
    feeds          = [
        ('MY_TITLE', 'MY_FEED_URL'),
    ]

    def parse_feeds(self):    
        feeds = BasicNewsRecipe.parse_feeds(self)    
        for feed in feeds:    
            for article in feed.articles[:]:    
                if 'MY_MAGIC_KEYWORD' not in article.title.upper():
                    feed.articles.remove(article)    
        return feeds

但由于我无法使用feed.content方法访问parse_feeds，因此我想知道是否有其他方法可以为文章内容执行此操作。

Answer 1

我找到了一个解决方案，由维持Calibre的人Kovid Goyal提供。我的想法是覆盖preprocess_html，如果文章的内容不符合您的条件，您可以返回None，在我的情况下逻辑是这样的：

def preprocess_html(self, soup):                        
    if 'MY_MAGIC_KEYWORD' in soup.html.head.title.string.upper():
        return soup
    if len(soup.findAll(text=re.compile('my_magic_keyword', re.IGNORECASE))) > 0:
        return soup        
    return None

你也可以覆盖preprocess_raw_html来实现同样的目的。不同之处在于，在preprocess_raw_html中，您必须使用html作为字符串，而preprocess_html html已经被解析为Beautiful Soup。

有没有办法根据Calibre食谱中的内容过滤饲料文章？

1 个答案: