]> git.bitcoin.ninja Git - youtube-dl/blob - youtube_dl/extractor/polskieradio.py
remove unnecessary assignment parenthesis
[youtube-dl] / youtube_dl / extractor / polskieradio.py
1 # coding: utf-8
2 from __future__ import unicode_literals
3
4 import itertools
5 import re
6
7 from .common import InfoExtractor
8 from ..compat import (
9     compat_str,
10     compat_urllib_parse_unquote,
11     compat_urlparse
12 )
13 from ..utils import (
14     extract_attributes,
15     int_or_none,
16     strip_or_none,
17     unified_timestamp,
18 )
19
20
21 class PolskieRadioIE(InfoExtractor):
22     _VALID_URL = r'https?://(?:www\.)?polskieradio\.pl/\d+/\d+/Artykul/(?P<id>[0-9]+)'
23     _TESTS = [{
24         'url': 'http://www.polskieradio.pl/7/5102/Artykul/1587943,Prof-Andrzej-Nowak-o-historii-nie-da-sie-myslec-beznamietnie',
25         'info_dict': {
26             'id': '1587943',
27             'title': 'Prof. Andrzej Nowak: o historii nie da się myśleć beznamiętnie',
28             'description': 'md5:12f954edbf3120c5e7075e17bf9fc5c5',
29         },
30         'playlist': [{
31             'md5': '2984ee6ce9046d91fc233bc1a864a09a',
32             'info_dict': {
33                 'id': '1540576',
34                 'ext': 'mp3',
35                 'title': 'md5:d4623290d4ac983bf924061c75c23a0d',
36                 'timestamp': 1456594200,
37                 'upload_date': '20160227',
38                 'duration': 2364,
39                 'thumbnail': r're:^https?://static\.prsa\.pl/images/.*\.jpg$'
40             },
41         }],
42     }, {
43         'url': 'http://www.polskieradio.pl/265/5217/Artykul/1635803,Euro-2016-nie-ma-miejsca-na-blad-Polacy-graja-ze-Szwajcaria-o-cwiercfinal',
44         'info_dict': {
45             'id': '1635803',
46             'title': 'Euro 2016: nie ma miejsca na błąd. Polacy grają ze Szwajcarią o ćwierćfinał',
47             'description': 'md5:01cb7d0cad58664095d72b51a1ebada2',
48         },
49         'playlist_mincount': 12,
50     }, {
51         'url': 'http://polskieradio.pl/9/305/Artykul/1632955,Bardzo-popularne-slowo-remis',
52         'only_matching': True,
53     }, {
54         'url': 'http://www.polskieradio.pl/7/5102/Artykul/1587943',
55         'only_matching': True,
56     }, {
57         # with mp4 video
58         'url': 'http://www.polskieradio.pl/9/299/Artykul/1634903,Brexit-Leszek-Miller-swiat-sie-nie-zawali-Europa-bedzie-trwac-dalej',
59         'only_matching': True,
60     }]
61
62     def _real_extract(self, url):
63         playlist_id = self._match_id(url)
64
65         webpage = self._download_webpage(url, playlist_id)
66
67         content = self._search_regex(
68             r'(?s)<div[^>]+class="\s*this-article\s*"[^>]*>(.+?)<div[^>]+class="tags"[^>]*>',
69             webpage, 'content')
70
71         timestamp = unified_timestamp(self._html_search_regex(
72             r'(?s)<span[^>]+id="datetime2"[^>]*>(.+?)</span>',
73             webpage, 'timestamp', fatal=False))
74
75         thumbnail_url = self._og_search_thumbnail(webpage)
76
77         entries = []
78
79         media_urls = set()
80
81         for data_media in re.findall(r'<[^>]+data-media=({[^>]+})', content):
82             media = self._parse_json(data_media, playlist_id, fatal=False)
83             if not media.get('file') or not media.get('desc'):
84                 continue
85             media_url = self._proto_relative_url(media['file'], 'http:')
86             if media_url in media_urls:
87                 continue
88             media_urls.add(media_url)
89             entries.append({
90                 'id': compat_str(media['id']),
91                 'url': media_url,
92                 'title': compat_urllib_parse_unquote(media['desc']),
93                 'duration': int_or_none(media.get('length')),
94                 'vcodec': 'none' if media.get('provider') == 'audio' else None,
95                 'timestamp': timestamp,
96                 'thumbnail': thumbnail_url
97             })
98
99         title = self._og_search_title(webpage).strip()
100         description = strip_or_none(self._og_search_description(webpage))
101
102         return self.playlist_result(entries, playlist_id, title, description)
103
104
105 class PolskieRadioCategoryIE(InfoExtractor):
106     _VALID_URL = r'https?://(?:www\.)?polskieradio\.pl/\d+(?:,[^/]+)?/(?P<id>\d+)'
107     _TESTS = [{
108         'url': 'http://www.polskieradio.pl/7/5102,HISTORIA-ZYWA',
109         'info_dict': {
110             'id': '5102',
111             'title': 'HISTORIA ŻYWA',
112         },
113         'playlist_mincount': 38,
114     }, {
115         'url': 'http://www.polskieradio.pl/7/4807',
116         'info_dict': {
117             'id': '4807',
118             'title': 'Vademecum 1050. rocznicy Chrztu Polski'
119         },
120         'playlist_mincount': 5
121     }, {
122         'url': 'http://www.polskieradio.pl/7/129,Sygnaly-dnia?ref=source',
123         'only_matching': True
124     }, {
125         'url': 'http://www.polskieradio.pl/37,RedakcjaKatolicka/4143,Kierunek-Krakow',
126         'info_dict': {
127             'id': '4143',
128             'title': 'Kierunek Kraków',
129         },
130         'playlist_mincount': 61
131     }, {
132         'url': 'http://www.polskieradio.pl/10,czworka/214,muzyka',
133         'info_dict': {
134             'id': '214',
135             'title': 'Muzyka',
136         },
137         'playlist_mincount': 61
138     }, {
139         'url': 'http://www.polskieradio.pl/7,Jedynka/5102,HISTORIA-ZYWA',
140         'only_matching': True,
141     }, {
142         'url': 'http://www.polskieradio.pl/8,Dwojka/196,Publicystyka',
143         'only_matching': True,
144     }]
145
146     @classmethod
147     def suitable(cls, url):
148         return False if PolskieRadioIE.suitable(url) else super(PolskieRadioCategoryIE, cls).suitable(url)
149
150     def _entries(self, url, page, category_id):
151         content = page
152         for page_num in itertools.count(2):
153             for a_entry, entry_id in re.findall(
154                     r'(?s)<article[^>]+>.*?(<a[^>]+href=["\']/\d+/\d+/Artykul/(\d+)[^>]+>).*?</article>',
155                     content):
156                 entry = extract_attributes(a_entry)
157                 href = entry.get('href')
158                 if not href:
159                     continue
160                 yield self.url_result(
161                     compat_urlparse.urljoin(url, href), PolskieRadioIE.ie_key(),
162                     entry_id, entry.get('title'))
163             mobj = re.search(
164                 r'<div[^>]+class=["\']next["\'][^>]*>\s*<a[^>]+href=(["\'])(?P<url>(?:(?!\1).)+)\1',
165                 content)
166             if not mobj:
167                 break
168             next_url = compat_urlparse.urljoin(url, mobj.group('url'))
169             content = self._download_webpage(
170                 next_url, category_id, 'Downloading page %s' % page_num)
171
172     def _real_extract(self, url):
173         category_id = self._match_id(url)
174         webpage = self._download_webpage(url, category_id)
175         title = self._html_search_regex(
176             r'<title>([^<]+) - [^<]+ - [^<]+</title>',
177             webpage, 'title', fatal=False)
178         return self.playlist_result(
179             self._entries(url, webpage, category_id),
180             category_id, title)