]> git.bitcoin.ninja Git - youtube-dl/blob - youtube_dl/extractor/arte.py
[pornhub:uservideos] Add support for multipage videos (Closes #9006)
[youtube-dl] / youtube_dl / extractor / arte.py
1 # encoding: utf-8
2 from __future__ import unicode_literals
3
4 import re
5
6 from .common import InfoExtractor
7 from ..compat import (
8     compat_parse_qs,
9     compat_urllib_parse_urlparse,
10 )
11 from ..utils import (
12     find_xpath_attr,
13     unified_strdate,
14     get_element_by_attribute,
15     int_or_none,
16     NO_DEFAULT,
17     qualities,
18 )
19
20 # There are different sources of video in arte.tv, the extraction process
21 # is different for each one. The videos usually expire in 7 days, so we can't
22 # add tests.
23
24
25 class ArteTvIE(InfoExtractor):
26     _VALID_URL = r'https?://videos\.arte\.tv/(?P<lang>fr|de|en|es)/.*-(?P<id>.*?)\.html'
27     IE_NAME = 'arte.tv'
28
29     def _real_extract(self, url):
30         mobj = re.match(self._VALID_URL, url)
31         lang = mobj.group('lang')
32         video_id = mobj.group('id')
33
34         ref_xml_url = url.replace('/videos/', '/do_delegate/videos/')
35         ref_xml_url = ref_xml_url.replace('.html', ',view,asPlayerXml.xml')
36         ref_xml_doc = self._download_xml(
37             ref_xml_url, video_id, note='Downloading metadata')
38         config_node = find_xpath_attr(ref_xml_doc, './/video', 'lang', lang)
39         config_xml_url = config_node.attrib['ref']
40         config = self._download_xml(
41             config_xml_url, video_id, note='Downloading configuration')
42
43         formats = [{
44             'format_id': q.attrib['quality'],
45             # The playpath starts at 'mp4:', if we don't manually
46             # split the url, rtmpdump will incorrectly parse them
47             'url': q.text.split('mp4:', 1)[0],
48             'play_path': 'mp4:' + q.text.split('mp4:', 1)[1],
49             'ext': 'flv',
50             'quality': 2 if q.attrib['quality'] == 'hd' else 1,
51         } for q in config.findall('./urls/url')]
52         self._sort_formats(formats)
53
54         title = config.find('.//name').text
55         thumbnail = config.find('.//firstThumbnailUrl').text
56         return {
57             'id': video_id,
58             'title': title,
59             'thumbnail': thumbnail,
60             'formats': formats,
61         }
62
63
64 class ArteTVPlus7IE(InfoExtractor):
65     IE_NAME = 'arte.tv:+7'
66     _VALID_URL = r'https?://(?:www\.)?arte\.tv/guide/(?P<lang>fr|de|en|es)/(?:(?:sendungen|emissions|embed)/)?(?P<id>[^/]+)/(?P<name>[^/?#&+])'
67
68     @classmethod
69     def _extract_url_info(cls, url):
70         mobj = re.match(cls._VALID_URL, url)
71         lang = mobj.group('lang')
72         query = compat_parse_qs(compat_urllib_parse_urlparse(url).query)
73         if 'vid' in query:
74             video_id = query['vid'][0]
75         else:
76             # This is not a real id, it can be for example AJT for the news
77             # http://www.arte.tv/guide/fr/emissions/AJT/arte-journal
78             video_id = mobj.group('id')
79         return video_id, lang
80
81     def _real_extract(self, url):
82         video_id, lang = self._extract_url_info(url)
83         webpage = self._download_webpage(url, video_id)
84         return self._extract_from_webpage(webpage, video_id, lang)
85
86     def _extract_from_webpage(self, webpage, video_id, lang):
87         patterns_templates = (r'arte_vp_url=["\'](.*?%s.*?)["\']', r'data-url=["\']([^"]+%s[^"]+)["\']')
88         ids = (video_id, '')
89         # some pages contain multiple videos (like
90         # http://www.arte.tv/guide/de/sendungen/XEN/xenius/?vid=055918-015_PLUS7-D),
91         # so we first try to look for json URLs that contain the video id from
92         # the 'vid' parameter.
93         patterns = [t % re.escape(_id) for _id in ids for t in patterns_templates]
94         json_url = self._html_search_regex(
95             patterns, webpage, 'json vp url', default=None)
96         if not json_url:
97             def find_iframe_url(webpage, default=NO_DEFAULT):
98                 return self._html_search_regex(
99                     r'<iframe[^>]+src=(["\'])(?P<url>.+\bjson_url=.+?)\1',
100                     webpage, 'iframe url', group='url', default=default)
101
102             iframe_url = find_iframe_url(webpage, None)
103             if not iframe_url:
104                 embed_url = self._html_search_regex(
105                     r'arte_vp_url_oembed=\'([^\']+?)\'', webpage, 'embed url', default=None)
106                 if embed_url:
107                     player = self._download_json(
108                         embed_url, video_id, 'Downloading player page')
109                     iframe_url = find_iframe_url(player['html'])
110             # en and es URLs produce react-based pages with different layout (e.g.
111             # http://www.arte.tv/guide/en/053330-002-A/carnival-italy?zone=world)
112             if not iframe_url:
113                 program = self._search_regex(
114                     r'program\s*:\s*({.+?["\']embed_html["\'].+?}),?\s*\n',
115                     webpage, 'program', default=None)
116                 if program:
117                     embed_html = self._parse_json(program, video_id)
118                     if embed_html:
119                         iframe_url = find_iframe_url(embed_html['embed_html'])
120             if iframe_url:
121                 json_url = compat_parse_qs(
122                     compat_urllib_parse_urlparse(iframe_url).query)['json_url'][0]
123         if json_url:
124             title = self._search_regex(
125                 r'<h3[^>]+title=(["\'])(?P<title>.+?)\1',
126                 webpage, 'title', default=None, group='title')
127             return self._extract_from_json_url(json_url, video_id, lang, title=title)
128         # Different kind of embed URL (e.g.
129         # http://www.arte.tv/magazine/trepalium/fr/episode-0406-replay-trepalium)
130         embed_url = self._search_regex(
131             r'<iframe[^>]+src=(["\'])(?P<url>.+?)\1',
132             webpage, 'embed url', group='url')
133         return self.url_result(embed_url)
134
135     def _extract_from_json_url(self, json_url, video_id, lang, title=None):
136         info = self._download_json(json_url, video_id)
137         player_info = info['videoJsonPlayer']
138
139         upload_date_str = player_info.get('shootingDate')
140         if not upload_date_str:
141             upload_date_str = (player_info.get('VRA') or player_info.get('VDA') or '').split(' ')[0]
142
143         title = (player_info.get('VTI') or title or player_info['VID']).strip()
144         subtitle = player_info.get('VSU', '').strip()
145         if subtitle:
146             title += ' - %s' % subtitle
147
148         info_dict = {
149             'id': player_info['VID'],
150             'title': title,
151             'description': player_info.get('VDE'),
152             'upload_date': unified_strdate(upload_date_str),
153             'thumbnail': player_info.get('programImage') or player_info.get('VTU', {}).get('IUR'),
154         }
155         qfunc = qualities(['HQ', 'MQ', 'EQ', 'SQ'])
156
157         LANGS = {
158             'fr': 'F',
159             'de': 'A',
160             'en': 'E[ANG]',
161             'es': 'E[ESP]',
162         }
163
164         formats = []
165         for format_id, format_dict in player_info['VSR'].items():
166             f = dict(format_dict)
167             versionCode = f.get('versionCode')
168             langcode = LANGS.get(lang, lang)
169             lang_rexs = [r'VO?%s-' % re.escape(langcode), r'VO?.-ST%s$' % re.escape(langcode)]
170             lang_pref = None
171             if versionCode:
172                 matched_lang_rexs = [r for r in lang_rexs if re.match(r, versionCode)]
173                 lang_pref = -10 if not matched_lang_rexs else 10 * len(matched_lang_rexs)
174             source_pref = 0
175             if versionCode is not None:
176                 # The original version with subtitles has lower relevance
177                 if re.match(r'VO-ST(F|A|E)', versionCode):
178                     source_pref -= 10
179                 # The version with sourds/mal subtitles has also lower relevance
180                 elif re.match(r'VO?(F|A|E)-STM\1', versionCode):
181                     source_pref -= 9
182             format = {
183                 'format_id': format_id,
184                 'preference': -10 if f.get('videoFormat') == 'M3U8' else None,
185                 'language_preference': lang_pref,
186                 'format_note': '%s, %s' % (f.get('versionCode'), f.get('versionLibelle')),
187                 'width': int_or_none(f.get('width')),
188                 'height': int_or_none(f.get('height')),
189                 'tbr': int_or_none(f.get('bitrate')),
190                 'quality': qfunc(f.get('quality')),
191                 'source_preference': source_pref,
192             }
193
194             if f.get('mediaType') == 'rtmp':
195                 format['url'] = f['streamer']
196                 format['play_path'] = 'mp4:' + f['url']
197                 format['ext'] = 'flv'
198             else:
199                 format['url'] = f['url']
200
201             formats.append(format)
202
203         self._check_formats(formats, video_id)
204         self._sort_formats(formats)
205
206         info_dict['formats'] = formats
207         return info_dict
208
209
210 # It also uses the arte_vp_url url from the webpage to extract the information
211 class ArteTVCreativeIE(ArteTVPlus7IE):
212     IE_NAME = 'arte.tv:creative'
213     _VALID_URL = r'https?://creative\.arte\.tv/(?P<lang>fr|de|en|es)/(?:magazine?/)?(?P<id>[^/?#&]+)'
214
215     _TESTS = [{
216         'url': 'http://creative.arte.tv/de/magazin/agentur-amateur-corporate-design',
217         'info_dict': {
218             'id': '72176',
219             'ext': 'mp4',
220             'title': 'Folge 2 - Corporate Design',
221             'upload_date': '20131004',
222         },
223     }, {
224         'url': 'http://creative.arte.tv/fr/Monty-Python-Reunion',
225         'info_dict': {
226             'id': '160676',
227             'ext': 'mp4',
228             'title': 'Monty Python live (mostly)',
229             'description': 'Événement ! Quarante-cinq ans après leurs premiers succès, les légendaires Monty Python remontent sur scène.\n',
230             'upload_date': '20140805',
231         }
232     }]
233
234
235 class ArteTVFutureIE(ArteTVPlus7IE):
236     IE_NAME = 'arte.tv:future'
237     _VALID_URL = r'https?://future\.arte\.tv/(?P<lang>fr|de|en|es)/(?P<id>[^/?#&]+)'
238
239     _TESTS = [{
240         'url': 'http://future.arte.tv/fr/info-sciences/les-ecrevisses-aussi-sont-anxieuses',
241         'info_dict': {
242             'id': '050940-028-A',
243             'ext': 'mp4',
244             'title': 'Les écrevisses aussi peuvent être anxieuses',
245             'upload_date': '20140902',
246         },
247     }, {
248         'url': 'http://future.arte.tv/fr/la-science-est-elle-responsable',
249         'only_matching': True,
250     }]
251
252
253 class ArteTVDDCIE(ArteTVPlus7IE):
254     IE_NAME = 'arte.tv:ddc'
255     _VALID_URL = r'https?://ddc\.arte\.tv/(?P<lang>emission|folge)/(?P<id>[^/?#&]+)'
256
257     def _real_extract(self, url):
258         video_id, lang = self._extract_url_info(url)
259         if lang == 'folge':
260             lang = 'de'
261         elif lang == 'emission':
262             lang = 'fr'
263         webpage = self._download_webpage(url, video_id)
264         scriptElement = get_element_by_attribute('class', 'visu_video_block', webpage)
265         script_url = self._html_search_regex(r'src="(.*?)"', scriptElement, 'script url')
266         javascriptPlayerGenerator = self._download_webpage(script_url, video_id, 'Download javascript player generator')
267         json_url = self._search_regex(r"json_url=(.*)&rendering_place.*", javascriptPlayerGenerator, 'json url')
268         return self._extract_from_json_url(json_url, video_id, lang)
269
270
271 class ArteTVConcertIE(ArteTVPlus7IE):
272     IE_NAME = 'arte.tv:concert'
273     _VALID_URL = r'https?://concert\.arte\.tv/(?P<lang>fr|de|en|es)/(?P<id>[^/?#&]+)'
274
275     _TEST = {
276         'url': 'http://concert.arte.tv/de/notwist-im-pariser-konzertclub-divan-du-monde',
277         'md5': '9ea035b7bd69696b67aa2ccaaa218161',
278         'info_dict': {
279             'id': '186',
280             'ext': 'mp4',
281             'title': 'The Notwist im Pariser Konzertclub "Divan du Monde"',
282             'upload_date': '20140128',
283             'description': 'md5:486eb08f991552ade77439fe6d82c305',
284         },
285     }
286
287
288 class ArteTVCinemaIE(ArteTVPlus7IE):
289     IE_NAME = 'arte.tv:cinema'
290     _VALID_URL = r'https?://cinema\.arte\.tv/(?P<lang>fr|de|en|es)/(?P<id>.+)'
291
292     _TEST = {
293         'url': 'http://cinema.arte.tv/de/node/38291',
294         'md5': '6b275511a5107c60bacbeeda368c3aa1',
295         'info_dict': {
296             'id': '055876-000_PWA12025-D',
297             'ext': 'mp4',
298             'title': 'Tod auf dem Nil',
299             'upload_date': '20160122',
300             'description': 'md5:7f749bbb77d800ef2be11d54529b96bc',
301         },
302     }
303
304
305 class ArteTVMagazineIE(ArteTVPlus7IE):
306     IE_NAME = 'arte.tv:magazine'
307     _VALID_URL = r'https?://(?:www\.)?arte\.tv/magazine/[^/]+/(?P<lang>fr|de|en|es)/(?P<id>[^/?#&]+)'
308
309     _TESTS = [{
310         # Embedded via <iframe src="http://www.arte.tv/arte_vp/index.php?json_url=..."
311         'url': 'http://www.arte.tv/magazine/trepalium/fr/entretien-avec-le-realisateur-vincent-lannoo-trepalium',
312         'md5': '2a9369bcccf847d1c741e51416299f25',
313         'info_dict': {
314             'id': '065965-000-A',
315             'ext': 'mp4',
316             'title': 'Trepalium - Extrait Ep.01',
317             'upload_date': '20160121',
318         },
319     }, {
320         # Embedded via <iframe src="http://www.arte.tv/guide/fr/embed/054813-004-A/medium"
321         'url': 'http://www.arte.tv/magazine/trepalium/fr/episode-0406-replay-trepalium',
322         'md5': 'fedc64fc7a946110fe311634e79782ca',
323         'info_dict': {
324             'id': '054813-004_PLUS7-F',
325             'ext': 'mp4',
326             'title': 'Trepalium (4/6)',
327             'description': 'md5:10057003c34d54e95350be4f9b05cb40',
328             'upload_date': '20160218',
329         },
330     }, {
331         'url': 'http://www.arte.tv/magazine/metropolis/de/frank-woeste-german-paris-metropolis',
332         'only_matching': True,
333     }]
334
335
336 class ArteTVEmbedIE(ArteTVPlus7IE):
337     IE_NAME = 'arte.tv:embed'
338     _VALID_URL = r'''(?x)
339         http://www\.arte\.tv
340         /playerv2/embed\.php\?json_url=
341         (?P<json_url>
342             http://arte\.tv/papi/tvguide/videos/stream/player/
343             (?P<lang>[^/]+)/(?P<id>[^/]+)[^&]*
344         )
345     '''
346
347     def _real_extract(self, url):
348         mobj = re.match(self._VALID_URL, url)
349         video_id = mobj.group('id')
350         lang = mobj.group('lang')
351         json_url = mobj.group('json_url')
352         return self._extract_from_json_url(json_url, video_id, lang)