]> git.bitcoin.ninja Git - youtube-dl/blob - youtube_dl/extractor/polskieradio.py
[README.md] Make download URLs consistent
[youtube-dl] / youtube_dl / extractor / polskieradio.py
1 # coding: utf-8
2 from __future__ import unicode_literals
3
4 import re
5
6 from .common import InfoExtractor
7 from ..compat import (
8     compat_str,
9     compat_urllib_parse_unquote,
10 )
11 from ..utils import (
12     int_or_none,
13     strip_or_none,
14     unified_timestamp,
15 )
16
17
18 class PolskieRadioIE(InfoExtractor):
19     _VALID_URL = r'https?://(?:www\.)?polskieradio\.pl/\d+/\d+/Artykul/(?P<id>[0-9]+)'
20     _TESTS = [{
21         'url': 'http://www.polskieradio.pl/7/5102/Artykul/1587943,Prof-Andrzej-Nowak-o-historii-nie-da-sie-myslec-beznamietnie',
22         'info_dict': {
23             'id': '1587943',
24             'title': 'Prof. Andrzej Nowak: o historii nie da się myśleć beznamiętnie',
25             'description': 'md5:12f954edbf3120c5e7075e17bf9fc5c5',
26         },
27         'playlist': [{
28             'md5': '2984ee6ce9046d91fc233bc1a864a09a',
29             'info_dict': {
30                 'id': '1540576',
31                 'ext': 'mp3',
32                 'title': 'md5:d4623290d4ac983bf924061c75c23a0d',
33                 'timestamp': 1456594200,
34                 'upload_date': '20160227',
35                 'duration': 2364,
36                 'thumbnail': 're:^https?://static\.prsa\.pl/images/.*\.jpg$'
37             },
38         }],
39     }, {
40         'url': 'http://www.polskieradio.pl/265/5217/Artykul/1635803,Euro-2016-nie-ma-miejsca-na-blad-Polacy-graja-ze-Szwajcaria-o-cwiercfinal',
41         'info_dict': {
42             'id': '1635803',
43             'title': 'Euro 2016: nie ma miejsca na błąd. Polacy grają ze Szwajcarią o ćwierćfinał',
44             'description': 'md5:01cb7d0cad58664095d72b51a1ebada2',
45         },
46         'playlist_mincount': 12,
47     }, {
48         'url': 'http://polskieradio.pl/9/305/Artykul/1632955,Bardzo-popularne-slowo-remis',
49         'only_matching': True,
50     }, {
51         'url': 'http://www.polskieradio.pl/7/5102/Artykul/1587943',
52         'only_matching': True,
53     }, {
54         # with mp4 video
55         'url': 'http://www.polskieradio.pl/9/299/Artykul/1634903,Brexit-Leszek-Miller-swiat-sie-nie-zawali-Europa-bedzie-trwac-dalej',
56         'only_matching': True,
57     }]
58
59     def _real_extract(self, url):
60         playlist_id = self._match_id(url)
61
62         webpage = self._download_webpage(url, playlist_id)
63
64         content = self._search_regex(
65             r'(?s)<div[^>]+class="audio atarticle"[^>]*>(.+?)<script>',
66             webpage, 'content')
67
68         timestamp = unified_timestamp(self._html_search_regex(
69             r'(?s)<span[^>]+id="datetime2"[^>]*>(.+?)</span>',
70             webpage, 'timestamp', fatal=False))
71
72         thumbnail_url = self._og_search_thumbnail(webpage)
73
74         entries = []
75
76         media_urls = set()
77
78         for data_media in re.findall(r'<[^>]+data-media=({[^>]+})', content):
79             media = self._parse_json(data_media, playlist_id, fatal=False)
80             if not media.get('file') or not media.get('desc'):
81                 continue
82             media_url = self._proto_relative_url(media['file'], 'http:')
83             if media_url in media_urls:
84                 continue
85             media_urls.add(media_url)
86             entries.append({
87                 'id': compat_str(media['id']),
88                 'url': media_url,
89                 'title': compat_urllib_parse_unquote(media['desc']),
90                 'duration': int_or_none(media.get('length')),
91                 'vcodec': 'none' if media.get('provider') == 'audio' else None,
92                 'timestamp': timestamp,
93                 'thumbnail': thumbnail_url
94             })
95
96         title = self._og_search_title(webpage).strip()
97         description = strip_or_none(self._og_search_description(webpage))
98
99         return self.playlist_result(entries, playlist_id, title, description)