Selaa lähdekoodia

sanitizer + inserter

David 10 vuotta sitten
vanhempi
commit
47fc9c3fad
1 muutettua tiedostoa jossa 7 lisäystä ja 5 poistoa
  1. 7 5
      parser.py

+ 7 - 5
parser.py

@@ -101,10 +101,11 @@ class News():
         return a.replace("_", " ").lower()
 
 
-unsharer=re.compile(r"\?share=.+$",flags=re.IGNORECASE)
+unsharer=re.compile(r"(\?share=|#).+$",flags=re.IGNORECASE)
 def sanitizeUrl(url):
     global unsharer
-    return re.sub(unsharer, "",url)
+    ret = re.sub(unsharer, "",url)
+    return ret
 
 def sanitizeSelector(s):
     s=s.replace(">a","> a")
@@ -127,8 +128,9 @@ for s in d.sources():
 
     if l is not None:
         for a in l.links:
-            print(a)
+            if not d.article_exists(a):
+                print(a)
+                n=News(a,s["_id"])
+                d.insert_article(n.get())
         print(len(l.links))
-        n=News(l.links[0],s["_id"])
-        print(n.get())
         break