quadratin

spiders/daily/quadratinEdomex/quadratinEdomex/spiders/noticias.py

 import scrapy
-import scrapy
 import json
 import re
 from quadratinEdomex.items import QuadratinedomexItem
 
-
 # Expresión regular para eliminar etiquetas HTML
 TAG_RE = re.compile(r'<[^>]+>')
 
 def remove_tags(text):
-
     if not isinstance(text, str):
         return text  # Devuelve el valor original si no es una cadena
     return TAG_RE.sub('', text)
 
-
 class NoticiasSpider(scrapy.Spider):
     name = "noticias"
     allowed_domains = ["edomex.quadratin.com.mx"]
     start_urls = ["https://edomex.quadratin.com.mx/"]
 
-
-
     def __init__(self, year=None, month=None, day=None, *args, **kwargs):
         super(NoticiasSpider, self).__init__(*args, **kwargs)
         self.year = year
@@ -31,13 +25,17 @@ class NoticiasSpider(scrapy.Spider):
             self.start_urls = [
                 f"https://edomex.quadratin.com.mx/wp-json/wp/v2/posts?after={self.year}-{self.month}-{self.day}T00:00:00&before={self.year}-{self.month}-{self.day}T23:59:59&per_page=100"
             ]
+            print(self.start_urls[0])
 
     def parse(self, response):
         try:
+            # Intenta decodificar el JSON de la respuesta
             data = json.loads(response.text)
             self.logger.info(f"Received {len(data)} posts from API.")
         except json.JSONDecodeError as e:
+            # Si hay un error al decodificar el JSON, registra el error y detén el procesamiento
             self.logger.error(f"Failed to parse JSON: {e}")
+            self.logger.error(f"Response content: {response.text[:500]}...")  # Logea los primeros 500 caracteres de la respuesta
             return
 
         for post in data:
@@ -59,6 +57,6 @@ class NoticiasSpider(scrapy.Spider):
                     print(item['title'])
                     yield item
             except Exception as e:
+                # Si hay un error al procesar un post, registra el error y continúa con el siguiente
                 self.logger.error(f"Error processing post {post.get('id')}: {e}")
-                continue
-                
+                continue
\ No newline at end of file