Actualización del 2025-08-16 a las 17:45:53

feed_processor.py

@@ -1,4 +1,5 @@
 import hashlib
+import re # <-- CORRECCIÓN: Se importa el módulo de expresiones regulares
 from datetime import datetime
 import logging
 import feedparser
@@ -14,8 +15,6 @@ def process_single_feed(feed_data):
     """
     feed_id = feed_data['id']
     feed_url = feed_data['url']
-    # --- LÍNEA CLAVE ---
-    # Obtenemos el nombre del feed para usarlo como fuente de la noticia.
     feed_nombre = feed_data.get('nombre', 'Fuente Desconocida')
     etag = feed_data.get('last_etag')
     modified = feed_data.get('last_modified')
@@ -55,9 +54,19 @@ def process_single_feed(feed_data):
 
             noticia_id = hashlib.md5(link.encode()).hexdigest()
             titulo = entry.get("title", "Sin título")
-            resumen_html = entry.get("summary", "")
-            imagen_url = ""
+            
+            # --- MEJORA: Se prioriza el contenido completo sobre el resumen para obtener más texto ---
+            resumen_html = ""
+            if hasattr(entry, 'content') and entry.content:
+                resumen_html = entry.content[0].value
+            elif hasattr(entry, 'summary'):
+                resumen_html = entry.summary
 
+            # --- CORRECCIÓN: Limpia los códigos de media personalizados y otros artefactos ---
+            if resumen_html:
+                resumen_html = re.sub(r'\[\[\{.*?\}\]\]', '', resumen_html)
+
+            imagen_url = ""
             if "media_content" in entry and entry.media_content:
                 imagen_url = entry.media_content[0].get("url", "")
             elif resumen_html:
@@ -67,14 +76,13 @@ def process_single_feed(feed_data):
                     imagen_url = img_tag['src']
 
             resumen_texto_plano = BeautifulSoup(resumen_html, 'html.parser').get_text(separator=' ', strip=True)
+            
             fecha_publicacion = datetime.now()
             if hasattr(entry, 'published_parsed') and entry.published_parsed:
                 fecha_publicacion = datetime(*entry.published_parsed[:6])
             elif hasattr(entry, 'updated_parsed') and entry.updated_parsed:
                 fecha_publicacion = datetime(*entry.updated_parsed[:6])
 
-            # --- LÍNEA CLAVE ---
-            # Añadimos 'feed_nombre' a la tupla de datos que se guardará en la BD.
             noticias_encontradas.append(
                 (noticia_id, titulo, resumen_texto_plano, link, fecha_publicacion, 
                  imagen_url, feed_nombre, feed_data['categoria_id'], feed_data['pais_id'])
@@ -92,4 +100,3 @@ def process_single_feed(feed_data):
         logging.error(f"Excepción inesperada al procesar el feed {feed_url} (ID: {feed_id}): {e}", exc_info=True)
 
     return feed_id, noticias_encontradas, new_etag, new_modified, success
-