Canal creado solo encuentra un elemento

[jvc99]

Buenas, pues eso, he estado creando un canal y he conseguido que me scrape un elemento solo, el primero, no consigo que me scrape el resto de los elementos de la página, el codigo que he utilizado es este:

Código: Seleccionar todo

   # Descarga la página
    data = scrapertools.cachePage(item.url)

    # Extrae las entradas de la pagina seleccionada
    patronvideos = '<div class="vw-post-box vw-post-style-block vw-post-format-standard">.*?.<h3 class="vw-post-box-title">.*?.<a href="([^"]+)">(.*?)</a>'

    matches = re.compile(patronvideos,re.DOTALL).findall(data)
    if DEBUG: scrapertools.printMatches(matches)
    itemlist = []

    for scrapedurl,scrapedtitle in matches:
        url = urlparse.urljoin(item.url,scrapedurl)
        title = scrapedtitle.strip()

        # Añade al listado
        itemlist.append( Item(channel=item.channel, action="findvideos", title=title , fulltitle=title, url=url , viewmode="movie", folder=True) )
    return itemlist

Un saludo compañeros, y espero poder hacer un canal decente para que todos lo podamos disfrutar )

[SeiTaN]

Sin saber la url desde la que obtienes los datos es dificil saber que es exactamente lo que te falla.

Si solo te muestra un dato y es el primero, sería como este ejemplo.

"seleccioname todos los niños que sean el primero de la lista" = 1
"seleccioname todos los niños" = n

Ahora tienes que ver que parte de la expresion regular hace que marque "el primero de la lista" y eliminarlo.

[jvc99]

Buenas Seitan, te inserto el código completo

Código: Seleccionar todo

# -*- coding: utf-8 -*-
#------------------------------------------------------------
# pelisalacarta - XBMC Plugin
# http://blog.tvalacarta.info/plugin-xbmc/pelisalacarta/
#------------------------------------------------------------
import re
import urlparse

from core import config
from core import logger
from core import scrapertools
from core.item import Item

DEBUG = config.get_setting("debug")


def mainlist(item):
    logger.info("pelisalacarta.channels.pruebitase mainlist")

    if item.url=="":
        item.url = "http://paginapruebas.esy.es/"

    # Descarga la página
    data = scrapertools.cachePage(item.url)

    # Extrae las entradas de la pagina seleccionada
    patronvideos = '<div class="vw-post-box vw-post-style-block vw-post-format-standard">.*?.<h3 class="vw-post-box-title">.*?.<a href="([^"]+)">(.*?)</a>'

    matches = re.compile(patronvideos,re.DOTALL).findall(data)
    if DEBUG: scrapertools.printMatches(matches)
    itemlist = []

    for scrapedurl,scrapedtitle in matches:
        url = urlparse.urljoin(item.url,scrapedurl)
        title = scrapedtitle.strip()

        # Añade al listado
        itemlist.append( Item(channel=item.channel, action="findvideos", title=title , fulltitle=title, url=url , viewmode="movie", folder=True) )
    return itemlist

¿Ves algún error?

[SeiTaN]

Ahí tienes las 4 pelis

Código: Seleccionar todo

# -*- coding: utf-8 -*-
# ------------------------------------------------------------
# pelisalacarta - XBMC Plugin
# http://blog.tvalacarta.info/plugin-xbmc/pelisalacarta/
# ------------------------------------------------------------
import re
import urlparse

from core import config
from core import logger
from core import scrapertools
from core.item import Item

DEBUG = config.get_setting("debug")


def mainlist(item):
    logger.info("pelisalacarta.channels.pruebitase mainlist")

    if item.url == "":
        item.url = "http://paginapruebas.esy.es/"

    # Descarga la página
    data = scrapertools.cache_page(item.url)
    data = re.sub(r"\n|\r|\t|\s{2}", "", data)

    # Extrae las entradas de la pagina seleccionada
    patron = '<h3 class="vw-post-box-title"><a href="([^"]+)".*?>(.*?)</a></h3>'

    matches = re.compile(patron, re.DOTALL).findall(data)
    if DEBUG:
        scrapertools.printMatches(matches)
    itemlist = []

    for scrapedurl, scrapedtitle in matches:
        url = urlparse.urljoin(item.url,scrapedurl)
        title = scrapedtitle.strip()

        # Añade al listado
        itemlist.append(Item(channel=item.channel, action="findvideos", title=title , fulltitle=title, url=url,
                             viewmode="movie", folder=True) )
    return itemlist

[Hernan_Ar_c]

yo te recomiendo que uses, la pagina http://regexr.com/ para comprobar tus expresiones, es muy fácil y te evita quebraderos de cabeza, simplemente copia y pega el código fuente de la pagina en la parte Text y tu expresión regular en Expressión y ahí mismo te dice cuanto resultados encuentra tu expresión.

Saludos y espero que te sirva.

[jvc99]

Ahí tienes las 4 pelis

Código: Seleccionar todo

# -*- coding: utf-8 -*-
# ------------------------------------------------------------
# pelisalacarta - XBMC Plugin
# http://blog.tvalacarta.info/plugin-xbmc/pelisalacarta/
# ------------------------------------------------------------
import re
import urlparse

from core import config
from core import logger
from core import scrapertools
from core.item import Item

DEBUG = config.get_setting("debug")


def mainlist(item):
    logger.info("pelisalacarta.channels.pruebitase mainlist")

    if item.url == "":
        item.url = "http://paginapruebas.esy.es/"

    # Descarga la página
    data = scrapertools.cache_page(item.url)
    data = re.sub(r"\n|\r|\t|\s{2}", "", data)

    # Extrae las entradas de la pagina seleccionada
    patron = '<h3 class="vw-post-box-title"><a href="([^"]+)".*?>(.*?)</a></h3>'

    matches = re.compile(patron, re.DOTALL).findall(data)
    if DEBUG:
        scrapertools.printMatches(matches)
    itemlist = []

    for scrapedurl, scrapedtitle in matches:
        url = urlparse.urljoin(item.url,scrapedurl)
        title = scrapedtitle.strip()

        # Añade al listado
        itemlist.append(Item(channel=item.channel, action="findvideos", title=title , fulltitle=title, url=url,
                             viewmode="movie", folder=True) )
    return itemlist

Muchas gracias Seitan

[jvc99]

yo te recomiendo que uses, la pagina http://regexr.com/ para comprobar tus expresiones, es muy fácil y te evita quebraderos de cabeza, simplemente copia y pega el código fuente de la pagina en la parte Text y tu expresión regular en Expressión y ahí mismo te dice cuanto resultados encuentra tu expresión.

Saludos y espero que te sirva.

Y en mi caso, cual seria la expresión? La pongo en regexr y me da error.

[SeiTaN]

Yo uso regex100.com

https://regex101.com/r/cR8aC9/6

La expresion es <h3 class="vw-post-box-title"><a href="([^"]+)".*?>(.*?)</a></h3> usando como delimitiador '

En el texto donde tiene que buscar es lo que salga de data.

Código: Seleccionar todo

    # Descarga la página
    data = scrapertools.cache_page(item.url)
    data = re.sub(r"\n|\r|\t|\s{2}", "", data)
    logger.debug("data es %s) % data)

Si te fijas despues de obtener los datos de la página, lo que se hace es eliminar los saltos de línea, espacios, tabulaciones... data = re.sub(r"\n|\r|\t|\s{2}", "", data) Asi resulta más sencillo usar expresiones regulares sin tener que meter comodines y demás.

[Hernan_Ar_c]

Que buen truco ese SeiTaN la verdad, nunca lo había utilizado... todos los días se aprende algo nuevo
Pero si como comentas mirando la expresión utilizada el problema en si son los saltos de linea, la manera sin el excelente truco de SeiTaN seria...

Código: Seleccionar todo

<h3 class="vw-post-box-title">\n.*?<a href="([^"]+)".*?>(.*?)<\/a>\n.*?<\/h3>

\n significa salto de linea.

Ah y el error que te da en regexr, es por que tenes que escapar los signos "/" con "\" antes fíjate en como lo escribí arriba

Saludos y suerte con ese canal yo también soy bastante nuevo y me tomo tiempo aprender como armar los canales, pero no es imposible hay que ponerle ganas nada mas.

[jvc99]

Muchas gracias a los dos , ya me manejo mucho mejor, he hecho un buscador y he añadido las thumbnails. Lo único que no consigo hacer funcionar es que me reproduzca directamente la película, sin que me lleve a la siguiente ventana que dice "Enlace encontrado con openload", ¿hay alguna método que no sea muy engorroso para hacer esto?