2 from __future__ import unicode_literals
4 from .common import InfoExtractor
5 from ..utils import unified_strdate
8 class ElPaisIE(InfoExtractor):
9 _VALID_URL = r'https?://(?:[^.]+\.)?elpais\.com/.*/(?P<id>[^/#?]+)\.html(?:$|[?#])'
13 'url': 'http://blogs.elpais.com/la-voz-de-inaki/2014/02/tiempo-nuevo-recetas-viejas.html',
14 'md5': '98406f301f19562170ec071b83433d55',
16 'id': 'tiempo-nuevo-recetas-viejas',
18 'title': 'Tiempo nuevo, recetas viejas',
19 'description': 'De lunes a viernes, a partir de las ocho de la mañana, Iñaki Gabilondo nos cuenta su visión de la actualidad nacional e internacional.',
20 'upload_date': '20140206',
23 'url': 'http://elcomidista.elpais.com/elcomidista/2016/02/24/articulo/1456340311_668921.html#?id_externo_nwl=newsletter_diaria20160303t',
24 'md5': '3bd5b09509f3519d7d9e763179b013de',
26 'id': '1456340311_668921',
28 'title': 'Cómo hacer el mejor café con cafetera italiana',
29 'description': 'Que sí, que las cápsulas son cómodas. Pero si le pides algo más a la vida, quizá deberías aprender a usar bien la cafetera italiana. No tienes más que ver este vídeo y seguir sus siete normas básicas.',
30 'upload_date': '20160303',
34 def _real_extract(self, url):
35 video_id = self._match_id(url)
36 webpage = self._download_webpage(url, video_id)
38 prefix = self._html_search_regex(
39 r'var\s+url_cache\s*=\s*"([^"]+)";', webpage, 'URL prefix')
40 video_suffix = self._search_regex(
41 r"(?:URLMediaFile|urlVideo_\d+)\s*=\s*url_cache\s*\+\s*'([^']+)'", webpage, 'video URL')
42 video_url = prefix + video_suffix
43 thumbnail_suffix = self._search_regex(
44 r"(?:URLMediaStill|urlFotogramaFijo_\d+)\s*=\s*url_cache\s*\+\s*'([^']+)'",
45 webpage, 'thumbnail URL', fatal=False)
47 None if thumbnail_suffix is None
48 else prefix + thumbnail_suffix)
49 title = self._html_search_regex(
50 (r"tituloVideo\s*=\s*'([^']+)'", webpage, 'title',
51 r'<h2 class="entry-header entry-title.*?>(.*?)</h2>'),
53 upload_date = unified_strdate(self._search_regex(
54 r'<p class="date-header date-int updated"\s+title="([^"]+)">',
55 webpage, 'upload date', default=None) or self._html_search_meta(
56 'datePublished', webpage, 'timestamp'))
62 'description': self._og_search_description(webpage),
63 'thumbnail': thumbnail,
64 'upload_date': upload_date,