最終兵器Plagger

■ [Filter][EntryFullText]まんたんウェブ

毎日新聞 まんたんウェブのEFT

http://mantanweb.mainichi.co.jp/web/

mantanweb.yaml

author: Tennetiss
handle: http://mantanweb\.mainichi\.co\.jp
extract: (<div class="entry-body">.*?)<div class="adsens468x60">
extract_capture: body

最初はxpathでやってみたんだけど、前後に明確に特徴のあるタグがある場合はregexの方が書きやすいように思う。慣れだろうけど。

もし各エントリの最後の方に良く付いてるAmazonアフィも消したいのなら、もう少し前で切ってくださいませ。

config.mantanweb.yamlの一部

  - module: Subscription::Config
    config:
      feed:
        - http://mantanweb.mainichi.co.jp/web/index.xml

  - module: Filter::EntryFullText
    config:
      store_html_on_failure: 1
      force_upgrade: 1
  - module: Filter::ResolveRelativeLink 

  - module: Filter::Rule
    rule:
      module: Deduped

force_upgradeしないと、一部のエントリだけalready contains bodyになってしまうので注意。（EFTのyaml内で解決する方法もあったような気がするんだけど）

■ [Filter][EntryFullText]4Gamer.net

もう既に誰かやってたらごめんなさい。

4Gamer.netのEFT

http://www.4gamer.net/

author: Tennetiss
handle: http://www\.4gamer\.net/
extract: (<table width="100%" .*?>.*?)<!-- tDialy:END -->
extract_capture: body

  - module: Subscription::Config
    config:
      feed:
        - http://www.4gamer.net/rss/rss.shtml

  - module: Filter::EntryFullText
    config:
      store_html_on_failure: 0
  - module: Filter::ResolveRelativeLink 
  - module: Filter::Rule
    rule:
      module: Deduped