1

口径のレシピを改善し、デフォルトの表紙画像を現在の新聞号の表紙画像に置き換えようとしています。

進むべき道はget_cover_url(リンク) と関係があります。

2 つの問題があります。

  1. 表紙画像のURLは毎日変わります。
  2. 私はPythonについてほとんど何も知りません。

私はこのような解決策を望んでいます（疑似コードで）：

OPEN URL "http://epaper.derstandarddigital.at/";
coverElement = (SEARCH HTML-ELEMENT "<img>" WITH ID "imgPage2" AND CLASS "page");
coverUrl = (GET HTML-ATTRIBUTE "src" FROM coverElement);
RETURN coverUrl;

Python*) (Python 標準ライブラリのみを使用) でこれを達成する方法はありますか?

*) Calibre-Recipes は python コードのようです

[編集] 私の友人が提供した解決策は次のとおりです。

#!/usr/bin/env  python

import urllib
from time import strftime


def get_cover_url(self):
    highResolution = True

    date    = strftime("%Y/%Y%m%d")
    # it is also possible for the past
    #date    = '2012/20120503'

    urlP1   = 'http://epaper.derstandarddigital.at/'
    urlP2   = 'data_ep/STAN/' + date
    urlP3   = '/V.B1/'
    urlP4   = 'paper.htm'
    urlHTML = urlP1 + urlP2 + urlP3 + urlP4

    htmlF  = urllib.urlopen(urlHTML)
    htmlC  = htmlF.read()


    # URL EXAMPLE: data_ep/STAN/2012/20120504/V.B1/pages/A3B6798F-2751-4D8D-A103-C5EF22F7ACBE.htm
    # consists of part2 + part3 + 'pages/' + code
    # 'pages/' has length 6, code has lenght 36

    index   = htmlC.find(urlP2) + len(urlP2 + urlP3) + 6 
    code    = htmlC[index:index + 36]


    # URL EXAMPLE HIGH RESOLUTION: http://epaper.derstandarddigital.at/data_ep/STAN/2012/20120504/pagejpg/A3B6798F-2751-4D8D-A103-C5EF22F7ACBE_b.png
    # URL EXAMPLE LOW RESOLUTION: http://epaper.derstandarddigital.at/data_ep/STAN/2012/20120504/pagejpg/2AB52F71-11C1-4859-9114-CDCD79BEFDCB.png

    urlPic  = urlP1 + urlP2 + '/pagejpg/' + code

    if highResolution:
        urlPic  = urlPic + '_b'

    urlPic  = urlPic + '.png'

    return urlPic



if __name__ == '__main__':
    print get_cover_url(None)
4

1 に答える 1

3

ライブラリを使用してlxml、HTML ドキュメントから要素を抽出できます。基本的なフレームワークは次のようになります。

import urllib
import lxml.html

fd = urllib.urlopen('http://epaper.derstandarddigital.at/')
doc = lxml.html.parse(fd)
matches = doc.xpath('//img[@id="imgPage2]')
if matches:
  print matches[0].get('src')

...しかし、あなたが提供した URL は、実際には<img>タグ付きのドキュメントにはなりません。それはほぼ完全に Javascript の集まりです。

于 2012-04-29T10:44:47.880 に答える