]> git.bitcoin.ninja Git - youtube-dl/blob - youtube_dl/extractor/francetv.py
[pornhub] Extract categories and tags (closes #10499)
[youtube-dl] / youtube_dl / extractor / francetv.py
1 # encoding: utf-8
2
3 from __future__ import unicode_literals
4
5 import re
6 import json
7
8 from .common import InfoExtractor
9 from ..compat import compat_urlparse
10 from ..utils import (
11     clean_html,
12     ExtractorError,
13     int_or_none,
14     parse_duration,
15     determine_ext,
16 )
17 from .dailymotion import (
18     DailymotionIE,
19     DailymotionCloudIE,
20 )
21
22
23 class FranceTVBaseInfoExtractor(InfoExtractor):
24     def _extract_video(self, video_id, catalogue):
25         info = self._download_json(
26             'http://webservices.francetelevisions.fr/tools/getInfosOeuvre/v2/?idDiffusion=%s&catalogue=%s'
27             % (video_id, catalogue),
28             video_id, 'Downloading video JSON')
29
30         if info.get('status') == 'NOK':
31             raise ExtractorError(
32                 '%s returned error: %s' % (self.IE_NAME, info['message']), expected=True)
33         allowed_countries = info['videos'][0].get('geoblocage')
34         if allowed_countries:
35             georestricted = True
36             geo_info = self._download_json(
37                 'http://geo.francetv.fr/ws/edgescape.json', video_id,
38                 'Downloading geo restriction info')
39             country = geo_info['reponse']['geo_info']['country_code']
40             if country not in allowed_countries:
41                 raise ExtractorError(
42                     'The video is not available from your location',
43                     expected=True)
44         else:
45             georestricted = False
46
47         formats = []
48         for video in info['videos']:
49             if video['statut'] != 'ONLINE':
50                 continue
51             video_url = video['url']
52             if not video_url:
53                 continue
54             format_id = video['format']
55             ext = determine_ext(video_url)
56             if ext == 'f4m':
57                 if georestricted:
58                     # See https://github.com/rg3/youtube-dl/issues/3963
59                     # m3u8 urls work fine
60                     continue
61                 f4m_url = self._download_webpage(
62                     'http://hdfauth.francetv.fr/esi/TA?url=%s' % video_url,
63                     video_id, 'Downloading f4m manifest token', fatal=False)
64                 if f4m_url:
65                     formats.extend(self._extract_f4m_formats(
66                         f4m_url + '&hdcore=3.7.0&plugin=aasp-3.7.0.39.44',
67                         video_id, f4m_id=format_id, fatal=False))
68             elif ext == 'm3u8':
69                 formats.extend(self._extract_m3u8_formats(
70                     video_url, video_id, 'mp4', entry_protocol='m3u8_native',
71                     m3u8_id=format_id, fatal=False))
72             elif video_url.startswith('rtmp'):
73                 formats.append({
74                     'url': video_url,
75                     'format_id': 'rtmp-%s' % format_id,
76                     'ext': 'flv',
77                 })
78             else:
79                 if self._is_valid_url(video_url, video_id, format_id):
80                     formats.append({
81                         'url': video_url,
82                         'format_id': format_id,
83                     })
84         self._sort_formats(formats)
85
86         title = info['titre']
87         subtitle = info.get('sous_titre')
88         if subtitle:
89             title += ' - %s' % subtitle
90         title = title.strip()
91
92         subtitles = {}
93         subtitles_list = [{
94             'url': subformat['url'],
95             'ext': subformat.get('format'),
96         } for subformat in info.get('subtitles', []) if subformat.get('url')]
97         if subtitles_list:
98             subtitles['fr'] = subtitles_list
99
100         return {
101             'id': video_id,
102             'title': title,
103             'description': clean_html(info['synopsis']),
104             'thumbnail': compat_urlparse.urljoin('http://pluzz.francetv.fr', info['image']),
105             'duration': int_or_none(info.get('real_duration')) or parse_duration(info['duree']),
106             'timestamp': int_or_none(info['diffusion']['timestamp']),
107             'formats': formats,
108             'subtitles': subtitles,
109         }
110
111
112 class PluzzIE(FranceTVBaseInfoExtractor):
113     IE_NAME = 'pluzz.francetv.fr'
114     _VALID_URL = r'https?://(?:m\.)?pluzz\.francetv\.fr/videos/(?P<id>.+?)\.html'
115
116     # Can't use tests, videos expire in 7 days
117
118     def _real_extract(self, url):
119         display_id = self._match_id(url)
120
121         webpage = self._download_webpage(url, display_id)
122
123         video_id = self._html_search_meta(
124             'id_video', webpage, 'video id', default=None)
125         if not video_id:
126             video_id = self._search_regex(
127                 r'data-diffusion=["\'](\d+)', webpage, 'video id')
128
129         return self._extract_video(video_id, 'Pluzz')
130
131
132 class FranceTvInfoIE(FranceTVBaseInfoExtractor):
133     IE_NAME = 'francetvinfo.fr'
134     _VALID_URL = r'https?://(?:www|mobile|france3-regions)\.francetvinfo\.fr/(?:[^/]+/)*(?P<title>[^/?#&.]+)'
135
136     _TESTS = [{
137         'url': 'http://www.francetvinfo.fr/replay-jt/france-3/soir-3/jt-grand-soir-3-lundi-26-aout-2013_393427.html',
138         'info_dict': {
139             'id': '84981923',
140             'ext': 'mp4',
141             'title': 'Soir 3',
142             'upload_date': '20130826',
143             'timestamp': 1377548400,
144             'subtitles': {
145                 'fr': 'mincount:2',
146             },
147         },
148         'params': {
149             # m3u8 downloads
150             'skip_download': True,
151         },
152     }, {
153         'url': 'http://www.francetvinfo.fr/elections/europeennes/direct-europeennes-regardez-le-debat-entre-les-candidats-a-la-presidence-de-la-commission_600639.html',
154         'info_dict': {
155             'id': 'EV_20019',
156             'ext': 'mp4',
157             'title': 'Débat des candidats à la Commission européenne',
158             'description': 'Débat des candidats à la Commission européenne',
159         },
160         'params': {
161             'skip_download': 'HLS (reqires ffmpeg)'
162         },
163         'skip': 'Ce direct est terminé et sera disponible en rattrapage dans quelques minutes.',
164     }, {
165         'url': 'http://www.francetvinfo.fr/economie/entreprises/les-entreprises-familiales-le-secret-de-la-reussite_933271.html',
166         'md5': 'f485bda6e185e7d15dbc69b72bae993e',
167         'info_dict': {
168             'id': 'NI_173343',
169             'ext': 'mp4',
170             'title': 'Les entreprises familiales : le secret de la réussite',
171             'thumbnail': 're:^https?://.*\.jpe?g$',
172             'timestamp': 1433273139,
173             'upload_date': '20150602',
174         },
175         'params': {
176             # m3u8 downloads
177             'skip_download': True,
178         },
179     }, {
180         'url': 'http://france3-regions.francetvinfo.fr/bretagne/cotes-d-armor/thalassa-echappee-breizh-ce-venredi-dans-les-cotes-d-armor-954961.html',
181         'md5': 'f485bda6e185e7d15dbc69b72bae993e',
182         'info_dict': {
183             'id': 'NI_657393',
184             'ext': 'mp4',
185             'title': 'Olivier Monthus, réalisateur de "Bretagne, le choix de l’Armor"',
186             'description': 'md5:a3264114c9d29aeca11ced113c37b16c',
187             'thumbnail': 're:^https?://.*\.jpe?g$',
188             'timestamp': 1458300695,
189             'upload_date': '20160318',
190         },
191         'params': {
192             'skip_download': True,
193         },
194     }, {
195         # Dailymotion embed
196         'url': 'http://www.francetvinfo.fr/politique/notre-dame-des-landes/video-sur-france-inter-cecile-duflot-denonce-le-regard-meprisant-de-patrick-cohen_1520091.html',
197         'md5': 'ee7f1828f25a648addc90cb2687b1f12',
198         'info_dict': {
199             'id': 'x4iiko0',
200             'ext': 'mp4',
201             'title': 'NDDL, référendum, Brexit : Cécile Duflot répond à Patrick Cohen',
202             'description': 'Au lendemain de la victoire du "oui" au référendum sur l\'aéroport de Notre-Dame-des-Landes, l\'ancienne ministre écologiste est l\'invitée de Patrick Cohen. Plus d\'info : https://www.franceinter.fr/emissions/le-7-9/le-7-9-27-juin-2016',
203             'timestamp': 1467011958,
204             'upload_date': '20160627',
205             'uploader': 'France Inter',
206             'uploader_id': 'x2q2ez',
207         },
208         'add_ie': ['Dailymotion'],
209     }, {
210         'url': 'http://france3-regions.francetvinfo.fr/limousin/emissions/jt-1213-limousin',
211         'only_matching': True,
212     }]
213
214     def _real_extract(self, url):
215         mobj = re.match(self._VALID_URL, url)
216         page_title = mobj.group('title')
217         webpage = self._download_webpage(url, page_title)
218
219         dmcloud_url = DailymotionCloudIE._extract_dmcloud_url(webpage)
220         if dmcloud_url:
221             return self.url_result(dmcloud_url, DailymotionCloudIE.ie_key())
222
223         dailymotion_urls = DailymotionIE._extract_urls(webpage)
224         if dailymotion_urls:
225             return self.playlist_result([
226                 self.url_result(dailymotion_url, DailymotionIE.ie_key())
227                 for dailymotion_url in dailymotion_urls])
228
229         video_id, catalogue = self._search_regex(
230             (r'id-video=([^@]+@[^"]+)',
231              r'<a[^>]+href="(?:https?:)?//videos\.francetv\.fr/video/([^@]+@[^"]+)"'),
232             webpage, 'video id').split('@')
233         return self._extract_video(video_id, catalogue)
234
235
236 class FranceTVIE(FranceTVBaseInfoExtractor):
237     IE_NAME = 'francetv'
238     IE_DESC = 'France 2, 3, 4, 5 and Ô'
239     _VALID_URL = r'''(?x)
240                     https?://
241                         (?:
242                             (?:www\.)?france[2345o]\.fr/
243                                 (?:
244                                     emissions/[^/]+/(?:videos|diffusions)|
245                                     emission/[^/]+|
246                                     videos|
247                                     jt
248                                 )
249                             /|
250                             embed\.francetv\.fr/\?ue=
251                         )
252                         (?P<id>[^/?]+)
253                     '''
254
255     _TESTS = [
256         # france2
257         {
258             'url': 'http://www.france2.fr/emissions/13h15-le-samedi-le-dimanche/videos/75540104',
259             'md5': 'c03fc87cb85429ffd55df32b9fc05523',
260             'info_dict': {
261                 'id': '109169362',
262                 'ext': 'flv',
263                 'title': '13h15, le dimanche...',
264                 'description': 'md5:9a0932bb465f22d377a449be9d1a0ff7',
265                 'upload_date': '20140914',
266                 'timestamp': 1410693600,
267             },
268         },
269         # france3
270         {
271             'url': 'http://www.france3.fr/emissions/pieces-a-conviction/diffusions/13-11-2013_145575',
272             'md5': '679bb8f8921f8623bd658fa2f8364da0',
273             'info_dict': {
274                 'id': '000702326_CAPP_PicesconvictionExtrait313022013_120220131722_Au',
275                 'ext': 'mp4',
276                 'title': 'Le scandale du prix des médicaments',
277                 'description': 'md5:1384089fbee2f04fc6c9de025ee2e9ce',
278                 'upload_date': '20131113',
279                 'timestamp': 1384380000,
280             },
281         },
282         # france4
283         {
284             'url': 'http://www.france4.fr/emissions/hero-corp/videos/rhozet_herocorp_bonus_1_20131106_1923_06112013172108_F4',
285             'md5': 'a182bf8d2c43d88d46ec48fbdd260c1c',
286             'info_dict': {
287                 'id': 'rhozet_herocorp_bonus_1_20131106_1923_06112013172108_F4',
288                 'ext': 'mp4',
289                 'title': 'Hero Corp Making of - Extrait 1',
290                 'description': 'md5:c87d54871b1790679aec1197e73d650a',
291                 'upload_date': '20131106',
292                 'timestamp': 1383766500,
293             },
294         },
295         # france5
296         {
297             'url': 'http://www.france5.fr/emissions/c-a-dire/videos/quels_sont_les_enjeux_de_cette_rentree_politique__31-08-2015_908948?onglet=tous&page=1',
298             'md5': 'f6c577df3806e26471b3d21631241fd0',
299             'info_dict': {
300                 'id': '123327454',
301                 'ext': 'flv',
302                 'title': 'C à dire ?! - Quels sont les enjeux de cette rentrée politique ?',
303                 'description': 'md5:4a0d5cb5dce89d353522a84462bae5a4',
304                 'upload_date': '20150831',
305                 'timestamp': 1441035120,
306             },
307         },
308         # franceo
309         {
310             'url': 'http://www.franceo.fr/jt/info-soir/18-07-2015',
311             'md5': '47d5816d3b24351cdce512ad7ab31da8',
312             'info_dict': {
313                 'id': '125377621',
314                 'ext': 'flv',
315                 'title': 'Infô soir',
316                 'description': 'md5:01b8c6915a3d93d8bbbd692651714309',
317                 'upload_date': '20150718',
318                 'timestamp': 1437241200,
319                 'duration': 414,
320             },
321         },
322         {
323             # francetv embed
324             'url': 'http://embed.francetv.fr/?ue=8d7d3da1e3047c42ade5a5d7dfd3fc87',
325             'info_dict': {
326                 'id': 'EV_30231',
327                 'ext': 'flv',
328                 'title': 'Alcaline, le concert avec Calogero',
329                 'description': 'md5:61f08036dcc8f47e9cfc33aed08ffaff',
330                 'upload_date': '20150226',
331                 'timestamp': 1424989860,
332                 'duration': 5400,
333             },
334         },
335         {
336             'url': 'http://www.france4.fr/emission/highlander/diffusion-du-17-07-2015-04h05',
337             'only_matching': True,
338         },
339         {
340             'url': 'http://www.franceo.fr/videos/125377617',
341             'only_matching': True,
342         }
343     ]
344
345     def _real_extract(self, url):
346         video_id = self._match_id(url)
347         webpage = self._download_webpage(url, video_id)
348         video_id, catalogue = self._html_search_regex(
349             r'(?:href=|player\.setVideo\(\s*)"http://videos?\.francetv\.fr/video/([^@]+@[^"]+)"',
350             webpage, 'video ID').split('@')
351         return self._extract_video(video_id, catalogue)
352
353
354 class GenerationQuoiIE(InfoExtractor):
355     IE_NAME = 'france2.fr:generation-quoi'
356     _VALID_URL = r'https?://generation-quoi\.france2\.fr/portrait/(?P<id>[^/?#]+)'
357
358     _TEST = {
359         'url': 'http://generation-quoi.france2.fr/portrait/garde-a-vous',
360         'info_dict': {
361             'id': 'k7FJX8VBcvvLmX4wA5Q',
362             'ext': 'mp4',
363             'title': 'Génération Quoi - Garde à Vous',
364             'uploader': 'Génération Quoi',
365         },
366         'params': {
367             # It uses Dailymotion
368             'skip_download': True,
369         },
370     }
371
372     def _real_extract(self, url):
373         display_id = self._match_id(url)
374         info_url = compat_urlparse.urljoin(url, '/medias/video/%s.json' % display_id)
375         info_json = self._download_webpage(info_url, display_id)
376         info = json.loads(info_json)
377         return self.url_result('http://www.dailymotion.com/video/%s' % info['id'],
378                                ie='Dailymotion')
379
380
381 class CultureboxIE(FranceTVBaseInfoExtractor):
382     IE_NAME = 'culturebox.francetvinfo.fr'
383     _VALID_URL = r'https?://(?:m\.)?culturebox\.francetvinfo\.fr/(?P<name>.*?)(\?|$)'
384
385     _TEST = {
386         'url': 'http://culturebox.francetvinfo.fr/live/musique/musique-classique/le-livre-vermeil-de-montserrat-a-la-cathedrale-delne-214511',
387         'md5': '9b88dc156781c4dbebd4c3e066e0b1d6',
388         'info_dict': {
389             'id': 'EV_50111',
390             'ext': 'flv',
391             'title': "Le Livre Vermeil de Montserrat à la Cathédrale d'Elne",
392             'description': 'md5:f8a4ad202e8fe533e2c493cc12e739d9',
393             'upload_date': '20150320',
394             'timestamp': 1426892400,
395             'duration': 2760.9,
396         },
397     }
398
399     def _real_extract(self, url):
400         mobj = re.match(self._VALID_URL, url)
401         name = mobj.group('name')
402
403         webpage = self._download_webpage(url, name)
404
405         if ">Ce live n'est plus disponible en replay<" in webpage:
406             raise ExtractorError('Video %s is not available' % name, expected=True)
407
408         video_id, catalogue = self._search_regex(
409             r'"http://videos\.francetv\.fr/video/([^@]+@[^"]+)"', webpage, 'video id').split('@')
410
411         return self._extract_video(video_id, catalogue)