Login

Statistici

Membri: 150
Stiri: 729
Linkuri: 20
Vizitatori: 1265910

We support LinTube

Arata-ti suportul

Citesti stirile pe MYLRo.org? Ai un site? Pune un link catre noi.

 
Stirile zilnice E-mail
  • Currently 5.0/5 Stars.
  • 1
  • 2
  • 3
  • 4
  • 5

Rating: 5.0/5 (1 votes cast)

Scris de Cypress   
Thursday, 22 November 2007
#!/bin/bash
##########################################################################
# Title      :    dailynews - get daily news messages
# Author     :    Heiner Steven < Aceasta adresa e-mail este protejata impotriva spamului, JavaScript trebuie activat pentru a putea vizualiza pagina. >
# Date       :    1999-12-03
# Requires   :    dumphtmltbl, html2iso, striphtml, wget, wordwrap
# Category   :    WWW, Desktop
# SCCS-Id.   :    @(#) dailynews    1.52 05/12/06
##########################################################################
# Description
#
##########################################################################

PN=`basename "$0"`            # Program name
VER='1.52'

##########################################################################

newssources="zdf heise spiegel zdnet cnet scientist slashdot"
NEWSCNT=20            # max. number of head articles

##########################################################################

# Get HTML page by URL, write to stdout
: ${GETURL:=wget}
: ${GETURLFLAGS="-q -O-"}

: ${EGREP:=egrep}

usage () {
    echo >&2 "$PN - get daily news headlines, $VER (stv '99)
usage: $PN [-n maxarticles] [newssource ...]
    -n:  limit the number of articles (per news source), default: $NEWSCNT

If no news source was specified, all will be consulted.

Valid news sources:
    $newssources"
    exit 1
}

msg () {
    for msgLine
    do echo "$PN: $msgLine" >&2
    done
}

fatal () { msg "$@"; exit 1; }

##########################################################################
# Formatting helper functions - may need adjustments
##########################################################################

# numberlist - indent and number lines

numberlist () {
    cat "$@" |
    nl -s'. ' |            # number lines, number separator is '. '
    sed "$maxlines{s|.*|    [more...]|;q;}" | # limit max. number
    wordwrap -o 9
}

# "canonical" white space - replace multiple blanks with exactly one blank

canonws () {
    sed 's/    / /g;s/  */ /g' "$@"
}

# trim - remove leading or trailing whitespace characters of a line

trim () {
    sed 's/^[    
]*//; s/[    
]*$//' "$@"
}

rmemptylines () {
     $EGREP -v "^[    
]*$" "$@"
}

jointagline () {
    $NAWK '
    {
        s = $0; gsub (/[^<]*/, "", s)
    nopen += length (s);
        s = $0; gsub (/[^>]*/, "", s)
    nclose += length (s);

    if ( nopen && nopen == nclose ) {
        lastopen = match ($0, "<")
        lastclose = match ($0, ">")
        multiline = (lastopen > lastclose)
    }

    #print nopen, nclose, $0 | "cat >&2"

    if ( nopen == nclose && !multiline ) {
        print
        #print "o", nopen, nclose, $0 | "cat >&2"
        nopen = nclose = 0
    } else {
        #print "+", nopen, nclose, $0 | "cat >&2"
        printf "%s", $0
        multiline = 1
    }
    }
    END {
        if ( multiline ) print ""
    }
' "$@"
}

preproc () {
    canonws "$@" |
        trim |
    rmemptylines
}

# getrsstitle - get <title> lines of an RSS feed
getrsstitle () {
    $NAWK '
    /\<[     ]*[iI][tT][eE][mM][     ]*\>/ {
        while (getline >= 0) {
        print
        if ($0 ~ /<[     ]*\/[iI][tT][eE][mM][     ]*>/) break
        }

    }'
}

###############################################################################
# searchprog - search program using search PATH
# usage: searchprog program
###############################################################################

searchprog () {
    _search=$1; shift

    for _dir in `echo "$PATH" | sed "s/^:/.:/;s/:\$/:./;s/:/ /g"`
    do
        [ -x "$_dir/$_search" ] || continue
        echo "$_dir/$_search"
        return 0
    done

    return 1
}

###############################################################################
# MAIN PROGRAM

###############################################################################
# We need a "new" NAWK implementation with functions, "getline()",
# gsub()

: ${NAWK:=`searchprog mawk || searchprog gawk || searchprog nawk || echo awk`}

set -- `getopt hn: "$@"` || usage
[ $# -lt 1 ] && usage            # "getopt" detected an error

while [ $# -gt 0 ]
do
    case "$1" in
        -n)
        NewsCnt=$2; shift
        case "$NewsCnt" in
            *[!0-9]*)    fatal "invalid number: $NewsCnt";;
        esac
        ;;
    --)    shift; break;;
    -h)    usage;;
    -*)    usage;;
    *)    break;;            # First file name
    esac
    shift
done

[ $# -lt 1 ] && set -- $newssources

maxlines=${NewsCnt:-$NEWSCNT}
maxlines=`expr "$maxlines" + 1`
: ${maxlines:=$NEWSCNT}

isodate=`date +%Y-%m-%d`
LongDate=`date '+%d.%m.%Y'`
echo "News $isodate"

for src
do
    case "$src" in
    zdf)
    #################################################################
    # Headlines from the "Zweites Deutsches Fernsehen" ZDF
    #################################################################

    url="http://www.heute.de/ZDFheute"
    echo "
$url"

    $GETURL $GETURLFLAGS "$url" |
        egrep 'aufmacher-teasertext|meldung-text' |
        sed 's|.*title="\([^">]*\)".*|\1|g' |
        sed 's|.*\(<h2.*</h2>\).*|\1|g' |
        sed 's/<[bB][rR]>/ /g' | # "striphtml": no new line for <br>
        html2iso |
        striphtml |
        preproc |
        numberlist        # number lines, indent
    ;;


    heise)
    #################################################################
    # Current news from the "Heise" publishing company
    #################################################################

    url="http://www.heise.de/newsticker/"
    echo "
$url"
    $GETURL $GETURLFLAGS "$url" |
        $NAWK '
        # Create one large line of each multi-line <div>...</div>
        # element.

        /<[dD][iI][vV][     >]/ {
            line = $0
            while ( $0 !~ /<\/[dD][iI][vV]>/ && getline >= 0 ) {
            if ( line != "" ) line = line " "
            line = line $0
            }
            print line
            next
        }
        { print }
        ' |
        html2iso |        # convert German "Umlaute" to ISO 8859
        striphtml |        # remove HTML tags
        preproc |        # remove whitespace
        $NAWK '
        $1 == "'"$LongDate"'" {
            $1 = ""; print
            while ( getline >= 0 &&    \
            $1 !~ /^[0-3][0-9]\.[0-9][0-9]\.2[0-9][0-9][0-9]/) {
            if ( $0 ~ /^[     ]*$/ ) continue
            print
            }
        }
        ' |
        numberlist
    ;;

    zdnet)
    #################################################################
    # Newsticker of ZDNet
    #################################################################

    url='http://news.zdnet.de/'

    year=`date +%Y`

    # End pattern matches German date output format, e.g.
    #    Montag, 12. April 2004
    headerstart="[A-Z][a-z][a-z][a-z][a-z][a-z][a-z]*, [0-9][0-9]\. [A-Z][a-z][a-z][a-z][a-z]* $year"
    start="News Letzte Meldungen"
    end="[A-Z][a-z][a-z][a-z][a-z][a-z][a-z]*, [0-9][0-9]\. [A-Z][a-zä][a-zä][a-zä]* $year"

    echo "
$url"
    $GETURL $GETURLFLAGS "$url" |
        tr -d '\015' |            # Remove carriage-return
        html2iso |
        striphtml |
        trim |
        # Start and end of data is tagged by current/yesterday's
        # date
        $NAWK '
        /'"$headerstart"'/ && !headerseen {
            while ( getline >= 0 && $0 == "" ) ;
            print
            while ( getline >= 0 && $0 == "" ) ;
            print "DUMMYREMOVE Uhr", $0
            headerseen = 1
        }
        /'"$start"'/,/'"$end"'/' |
        sed -n '3d;$q; p' |    # ignore third (header) and last line
        $NAWK '
        {
            # Concatenate multi-line paragraphs, separated
            # by newlines
            do {
            for ( line=""; $0 !~ /^[     ]*$/; getline ) {
                if ( line != "" ) line = line " "
                #print "!" NF, $0
                if ( $2 == "Uhr") {
                    $1 = ""; $2 = "-"
                }
                line = line $0
            }
            print line
            } while ( getline >= 0 && $0 != "" )
        }
        ' |
        rmemptylines |
        numberlist
    ;;

    cnet)
    #################################################################
    # Current news from C|Net
    #################################################################

    url="http://news.cnet.com/"
    echo "
$url"
    $GETURL $GETURLFLAGS "$url" |
        tr -d '
' |
        $NAWK '
        $0 ~ /<[hH]3>.*\?tag=nefd\.lede/ { # main head lines
            line = ""
            while ( $0 != "" ) {
            if ( line != "" ) line = line " "
            gsub(/<\/[hH]3>/, " - ")
            line = line $0
            getline
            }
            print line
        }
        $0 ~ /\?tag=nefd\.top/ { print }
        ' |
        sed 's/<[^>]*>//g' |    # "striphtml", but no <br> handling
        preproc |
        numberlist
    ;;

    scientist)
    #################################################################
    # Headlines from the "New Scientist"
    #################################################################

    url="http://www.newscientist.com/news.ns"
    echo "
$url"
    today=`date "+%d %B %Y"`
    yesterday=`TZ=GMT+24 date "+%d %B %Y"`
    $GETURL $GETURLFLAGS "$url" |
        $NAWK '
        /<div[     ][^>]*class=.*newslisting.*>/ {
            #while ( getline >= 0 && $1 !~ /<\/div>/ )
            print
            while (getline > 0) {
            print
            }
        }' |
        html2iso |
        striphtml |
        preproc |
        $NAWK '
        {
            line [i%3] = $0
            if ( i % 3 == 2 ) {
            head = line [0]
            text = line [1]
            date = line [2]
            if (date ~ /[0-9][0-9]*:[0-9][0-9]*.*'"$today"'/ \
                || date ~ \
                /[0-9][0-9]*:[0-9][0-9]*.*'"$yesterday"'/ \
                ) {
                #print "head=", head
                #print "text=", text
                #print "date=", date
                print head, "-", text
            } else {
                #print date " <> " "'"$today"'"
            }
            }
            ++i
        }' |
        numberlist
    ;;

    nbc)
    #################################################################
    # Current news from NBC -- NOT USED
    #################################################################

    url="http://www.msnbc.com/news/news_front.asp"
    echo "
$url"

    $GETURL $GETURLFLAGS "$url" |
        striphtml |
        sed -n '/TOP[     ]*STORIES/,$p' |
        sed -n 's/^ \(.*\)/\1/p' |
        numberlist
    ;;

    slashdot | /.)
    #################################################################
    # Current news from SlashDot
    #################################################################

    url="http://slashdot.org/"
    echo "
$url"
    $GETURL $GETURLFLAGS "$url" |
        $NAWK '
            /<div.*class="generaltitle">/ {
            while (getline >= 1 && $0 !~ /<\/div>/) {
            print
            }
        }
        ' |
        striphtml |
        preproc |
        numberlist
    ;;

    spiegel)
    #################################################################
    # Current news from "Spiegel Online"
    #################################################################

    url="http://www.spiegel.de/schlagzeilen/tops/"

    echo "
$url"

    todayexp=`date '+%d\.%m\.%Y'`

    $GETURL $GETURLFLAGS "$url" |
        $NAWK '
            /class="gesperrt"/ { doprint = 1 }
        doprint != 0 { print }
        ' |
        sed 's/\<\/div\>/<br>/g' |
        html2iso |
        striphtml |
        $NAWK '
            !firstseen {
            printf "%s: ", $0
            getline
            firstseen = 1
        }
        {
            previous = $0
            while (getline >= 1 && $0 !~ /\('"$todayexp"'\)/)
                ;
            if ($0 ~ /\('"$todayexp"'\)/) {
                #print "-", $0
            print previous
            }
        }
        ' |
        numberlist
    ;;


    *)
        fatal "invalid news source: $src
    valid: $newssources"
    ;;
    esac
done

exit 0
Comments
Add NewSearchRSS
Only registered users can write comments!

Copyright (C) 2007 Alain Georgette / Copyright (C) 2006 Frantisek Hliva. All rights reserved.
 

Ultimele comentarii

Softul saptamanii

WINE 1.0 RC1

Tips & Tricks

O arhivare mai buna cu gzip
Daca preferi ca arhivele tale gzip sa fie cat mai bine comprimate, foloseste comanda export GZIP=--best. Data viitoare cand vei arhiva cu gzip, comprimarea va fi facuta la cel mai inalt nivel.
 

Vizitatori Online

Ce altceva mai e interesant?