I give you my recipe. It works fine for me every day. You need of course to subscribe to Le Monde and to enter your account identifiers inside the ebook-convert.exe command.
I know I've to share several recipes I'm working on and publish them for a future Calibre version. Sorry not to have done it yet.
Code:
#!/usr/bin/env python
# vim:fileencoding=utf-8
from __future__ import absolute_import, division, print_function, unicode_literals
__license__ = 'GPL v3'
__copyright__ = '2012'
from calibre.web.feeds.news import BasicNewsRecipe, classes
from datetime import date
import re
class LeMonde(BasicNewsRecipe):
title = 'Le Monde'
__author__ = 'Martin Villard'
description = 'Les flux RSS du Monde.fr'
publisher = 'Société Editrice du Monde'
publication_type = 'newspaper'
needs_subscription = 'optional'
language = 'fr'
oldest_article = 1
no_stylesheets = False
remove_empty_feeds = True
ignore_duplicate_articles = {'title', 'url'}
reverse_article_order = True
conversion_options = {
'publisher': publisher
}
masthead_url = 'http://upload.wikimedia.org/wikipedia/commons/thumb/5/54/Le_monde_logo.svg/800px-Le_monde_logo.svg.png'
feeds = [
('International : Europe ', 'https://www.lemonde.fr/europe/rss_full.xml'),
('International : Amériques ', 'https://www.lemonde.fr/ameriques/rss_full.xml'),
('International : Afrique ', 'https://www.lemonde.fr/afrique/rss_full.xml'),
('International : Asie Pacifique', 'https://www.lemonde.fr/asie-pacifique/rss_full.xml'),
('International : Proche-Orient', 'https://www.lemonde.fr/proche-orient/rss_full.xml'),
('International : Royaume-Uni', 'https://www.lemonde.fr/royaume-uni/rss_full.xml'),
('International : Etats-Unis', 'https://www.lemonde.fr/etats-unis/rss_full.xml'),
('International : La une', 'https://www.lemonde.fr/international/rss_full.xml'),
('France : Politique ', 'https://www.lemonde.fr/politique/rss_full.xml'),
('France : Société ', 'https://www.lemonde.fr/societe/rss_full.xml'),
('France : Les décodeurs', 'https://www.lemonde.fr/les-decodeurs/rss_full.xml'),
('France : Justice ', 'https://www.lemonde.fr/justice/rss_full.xml'),
('France : Police ', 'https://www.lemonde.fr/police/rss_full.xml'),
('France : Campus ', 'https://www.lemonde.fr/campus/rss_full.xml'),
('France : Education', 'https://www.lemonde.fr/education/rss_full.xml'),
('Economie : Entreprises ', 'https://www.lemonde.fr/entreprises/rss_full.xml'),
('Economie : Argent ', 'https://www.lemonde.fr/argent/rss_full.xml'),
('Economie : Économie française', 'https://www.lemonde.fr/economie-francaise/rss_full.xml'),
('Economie : Industrie', 'https://www.lemonde.fr/industrie/rss_full.xml'),
('Economie : Emploi ', 'https://www.lemonde.fr/emploi/rss_full.xml'),
('Economie : Immobilier ', 'https://www.lemonde.fr/immobilier/rss_full.xml'),
('Economie : Médias', 'https://www.lemonde.fr/medias/rss_full.xml'),
('Economie : La une', 'https://www.lemonde.fr/economie/rss_full.xml'),
('Planète: Climat ', 'https://www.lemonde.fr/climat/rss_full.xml'),
('Planète: Agriculture ', 'https://www.lemonde.fr/agriculture/rss_full.xml'),
('Planète: Environnement', 'https://www.lemonde.fr/environnement/rss_full.xml'),
('Planète: La une', 'https://www.lemonde.fr/planete/rss_full.xml'),
('Sciences : Espace ', 'https://www.lemonde.fr/espace/rss_full.xml'),
('Sciences : Biologie ', 'https://www.lemonde.fr/biologie/rss_full.xml'),
('Sciences : Médecine ', 'https://www.lemonde.fr/medecine/rss_full.xml'),
('Sciences : Physique ', 'https://www.lemonde.fr/physique/rss_full.xml'),
('Sciences : Santé', 'https://www.lemonde.fr/sante/rss_full.xml'),
('Sciences : La une', 'https://www.lemonde.fr/sciences/rss_full.xml'),
('Culture : Cinéma ', 'https://www.lemonde.fr/cinema/rss_full.xml'),
('Culture : Musiques ', 'https://www.lemonde.fr/musiques/rss_full.xml'),
('Culture : Télévision et radio', 'https://www.lemonde.fr/televisions-radio/rss_full.xml'),
('Culture : Le Monde des livres', 'https://www.lemonde.fr/livres/rss_full.xml'),
('Culture : Arts ', 'https://www.lemonde.fr/arts/rss_full.xml'),
('Culture : Scènes', 'https://www.lemonde.fr/scenes/rss_full.xml'),
('Culture : La une', 'https://www.lemonde.fr/culture/rss_full.xml'),
('Opinions : La une', 'https://www.lemonde.fr/idees/rss_full.xml'),
('Opinions : éditoriaux', 'https://www.lemonde.fr/editoriaux/rss_full.xml'),
('Opinions : chroniques ', 'https://www.lemonde.fr/chroniques/rss_full.xml'),
('Opinions : tribunes', 'https://www.lemonde.fr/tribunes/rss_full.xml'),
('Pixels : Jeux vidéo', 'https://www.lemonde.fr/jeux-video/rss_full.xml'),
('Pixels : Culture web', 'https://www.lemonde.fr/cultures-web/rss_full.xml'),
('Pixels : La une', 'https://www.lemonde.fr/pixels/rss_full.xml'),
('Sport : Football ', 'https://www.lemonde.fr/football/rss_full.xml'),
('Sport : Rugby ', 'https://www.lemonde.fr/rugby/rss_full.xml'),
('Sport : Tennis ', 'https://www.lemonde.fr/tennis/rss_full.xml'),
('Sport : Cyclisme ', 'https://www.lemonde.fr/cyclisme/rss_full.xml'),
('Sport : Basket', 'https://www.lemonde.fr/basket/rss_full.xml'),
('Sport : La une', 'https://www.lemonde.fr/sport/rss_full.xml'),
('M le mag : L’époque ', 'https://www.lemonde.fr/m-perso/rss_full.xml'),
('M le mag : Styles ', 'https://www.lemonde.fr/m-styles/rss_full.xml'),
('M le mag : Gastronomie ', 'https://www.lemonde.fr/gastronomie/rss_full.xml'),
('M le mag : Recettes du Monde', 'https://www.lemonde.fr/les-recettes-du-monde/rss_full.xml'),
('M le mag : Sexo', 'https://www.lemonde.fr/sexo/rss_full.xml'),
('M le mag : La une', 'https://www.lemonde.fr/m-le-mag/rss_full.xml'),
('Actualités : A la une', 'https://www.lemonde.fr/rss/une.xml'),
('Actualités : En continu', 'https://www.lemonde.fr/rss/en_continu.xml'),
('Actualités : Vidéos ', 'https://www.lemonde.fr/videos/rss_full.xml'),
('Actualités : Portfolios', 'https://www.lemonde.fr/photo/rss_full.xml'),
]
keep_only_tags = [
classes('article__header'),
dict(name='section', attrs={'class': ['article__cover', 'article__content', 'article__heading',
'article__wrapper']})
]
remove_tags = [
classes('article__status meta__reading-time meta__social multimedia-embed'),
dict(name=['footer', 'link']),
dict(name='img', attrs={'class': ['article__author-picture']}),
dict(name='section', attrs={'class': ['inread js-services-inread', 'catcher catcher--inline', 'inread inread--NL js-services-inread', 'article__reactions', 'author', 'catcher', 'portfolio', 'services-inread']})
]
remove_attributes = [
'data-sizes', 'height', 'sizes', 'width'
]
preprocess_regexps = [
# insert space between author name and description
(re.compile(r'(<span class="[^"]*author__desc[^>]*>)([^<]*</span>)',
re.IGNORECASE), lambda match: match.group(1) + ' ' + match.group(2)),
# insert " | " between article type and description
(re.compile(r'(<span class="[^"]*article__kicker[^>]*>[^<]*)(</span>)',
re.IGNORECASE), lambda match: match.group(1) + ' | ' + match.group(2))
]
extra_css = '''
h2 { font-size: 1em; }
h3 { font-size: 1em; }
.article__desc { font-weight: bold; }
.article__fact { font-weight: bold; text-transform: uppercase; }
.article__kicker { text-transform: uppercase; }
.article__legend { font-size: 0.6em; margin-bottom: 1em; }
.article__title { margin-top: 0em; }
'''
def get_browser(self):
br = BasicNewsRecipe.get_browser(self)
if self.username is not None and self.password is not None:
try:
br.open('https://secure.lemonde.fr/sfuser/connexion')
br.select_form(nr=0)
br['email'] = self.username
br['password'] = self.password
br.submit()
except Exception as e:
self.log('Login failed with error:', str(e))
return br
def get_cover_url(self):
# today's date is a reasonable guess for the ID of the cover
cover_id = date.today().strftime('%Y%m%d')
soup = self.index_to_soup('https://www.lemonde.fr/')
a = soup.find('a', {'id': 'jelec_link', 'style': True})
if a and a['style']:
url = a['style'].split('/')
if len(url) > 5 and url[3].isdigit():
# overwrite guess if actual cover ID was found
cover_id = url[3]
return 'https://www.lemonde.fr/thumbnail/journal/' + cover_id + '/1000/1490'
def get_article_url(self, article):
url = BasicNewsRecipe.get_article_url(self, article)
# skip articles without relevant content (e.g., videos)
for el in 'blog chat live podcasts portfolio video visuel'.split():
if '/' + el + '/' in url:
self.log('Skipping URL', url)
self.abort_article()
return url
def preprocess_html(self, soup):
# when an image is available in multiple sizes, select the smallest one
for img in soup.find_all('img', {'data-srcset': True}):
print ("IMGDDPYL0 = ", img)
data_srcset = img['data-srcset'].split()
print ("IMGDDPYL1 = ", data_srcset)
if len(data_srcset) > 1:
img['src'] = data_srcset[-2]
print("IMGDDPYL2 = " ,img['src'])
del img['data-srcset']
return soup
def postprocess_html(self, soup, first_fetch):
# remove local hyperlinks
for a in soup.find_all('a', {'href': True}):
if '.lemonde.fr/' in a['href']:
a.replace_with(self.tag_to_string(a))
# clean up header
for ul in soup.find_all('ul', {'class': 'breadcrumb'}):
div = soup.new_tag('div')
category = ''
for li in ul.find_all('li', {'class': True}):
category += self.tag_to_string(li).strip().upper() + ' - '
div.string = category[:-3]
ul.replace_with(div)
return soup
calibre_most_common_ua = 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.87 Safari/537.36'