_ Git - youtube-dl/blob - 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 ..utils import (
   8     ExtractorError,
   9     find_xpath_attr,
  10     unified_strdate,
  11     determine_ext,
  12     get_element_by_id,
  13     compat_str,
  14     get_element_by_attribute,
  15 )
  16
  17 # There are different sources of video in arte.tv, the extraction process
  18 # is different for each one. The videos usually expire in 7 days, so we can't
  19 # add tests.
  20
  21
  22 class ArteTvIE(InfoExtractor):
  23     _VALID_URL = r'http://videos\.arte\.tv/(?P<lang>fr|de)/.*-(?P<id>.*?)\.html'
  24     IE_NAME = 'arte.tv'
  25
  26     def _real_extract(self, url):
  27         mobj = re.match(self._VALID_URL, url)
  28         lang = mobj.group('lang')
  29         video_id = mobj.group('id')
  30
  31         ref_xml_url = url.replace('/videos/', '/do_delegate/videos/')
  32         ref_xml_url = ref_xml_url.replace('.html', ',view,asPlayerXml.xml')
  33         ref_xml_doc = self._download_xml(
  34             ref_xml_url, video_id, note='Downloading metadata')
  35         config_node = find_xpath_attr(ref_xml_doc, './/video', 'lang', lang)
  36         config_xml_url = config_node.attrib['ref']
  37         config = self._download_xml(
  38             config_xml_url, video_id, note='Downloading configuration')
  39
  40         formats = [{
  41             'forma_id': q.attrib['quality'],
  42             # The playpath starts at 'mp4:', if we don't manually
  43             # split the url, rtmpdump will incorrectly parse them
  44             'url': q.text.split('mp4:', 1)[0],
  45             'play_path': 'mp4:' + q.text.split('mp4:', 1)[1],
  46             'ext': 'flv',
  47             'quality': 2 if q.attrib['quality'] == 'hd' else 1,
  48         } for q in config.findall('./urls/url')]
  49         self._sort_formats(formats)
  50
  51         title = config.find('.//name').text
  52         thumbnail = config.find('.//firstThumbnailUrl').text
  53         return {
  54             'id': video_id,
  55             'title': title,
  56             'thumbnail': thumbnail,
  57             'formats': formats,
  58         }
  59
  60
  61 class ArteTVPlus7IE(InfoExtractor):
  62     IE_NAME = 'arte.tv:+7'
  63     _VALID_URL = r'https?://(?:www\.)?arte\.tv/guide/(?P<lang>fr|de)/(?:(?:sendungen|emissions)/)?(?P<id>.*?)/(?P<name>.*?)(\?.*)?'
  64
  65     @classmethod
  66     def _extract_url_info(cls, url):
  67         mobj = re.match(cls._VALID_URL, url)
  68         lang = mobj.group('lang')
  69         # This is not a real id, it can be for example AJT for the news
  70         # http://www.arte.tv/guide/fr/emissions/AJT/arte-journal
  71         video_id = mobj.group('id')
  72         return video_id, lang
  73
  74     def _real_extract(self, url):
  75         video_id, lang = self._extract_url_info(url)
  76         webpage = self._download_webpage(url, video_id)
  77         return self._extract_from_webpage(webpage, video_id, lang)
  78
  79     def _extract_from_webpage(self, webpage, video_id, lang):
  80         json_url = self._html_search_regex(
  81             [r'arte_vp_url=["\'](.*?)["\']', r'data-url=["\']([^"]+)["\']'],
  82             webpage, 'json vp url')
  83         return self._extract_from_json_url(json_url, video_id, lang)
  84
  85     def _extract_from_json_url(self, json_url, video_id, lang):
  86         info = self._download_json(json_url, video_id)
  87         player_info = info['videoJsonPlayer']
  88
  89         info_dict = {
  90             'id': player_info['VID'],
  91             'title': player_info['VTI'],
  92             'description': player_info.get('VDE'),
  93             'upload_date': unified_strdate(player_info.get('VDA', '').split(' ')[0]),
  94             'thumbnail': player_info.get('programImage') or player_info.get('VTU', {}).get('IUR'),
  95         }
  96
  97         all_formats = player_info['VSR'].values()
  98         # Some formats use the m3u8 protocol
  99         all_formats = list(filter(lambda f: f.get('videoFormat') != 'M3U8', all_formats))
 100         def _match_lang(f):
 101             if f.get('versionCode') is None:
 102                 return True
 103             # Return true if that format is in the language of the url
 104             if lang == 'fr':
 105                 l = 'F'
 106             elif lang == 'de':
 107                 l = 'A'
 108             else:
 109                 l = lang
 110             regexes = [r'VO?%s' % l, r'VO?.-ST%s' % l]
 111             return any(re.match(r, f['versionCode']) for r in regexes)
 112         # Some formats may not be in the same language as the url
 113         # TODO: Might want not to drop videos that does not match requested language
 114         # but to process those formats with lower precedence
 115         formats = filter(_match_lang, all_formats)
 116         formats = list(formats)  # in python3 filter returns an iterator
 117         if not formats:
 118             # Some videos are only available in the 'Originalversion'
 119             # they aren't tagged as being in French or German
 120             # Sometimes there are neither videos of requested lang code
 121             # nor original version videos available
 122             # For such cases we just take all_formats as is
 123             formats = all_formats
 124             if not formats:
 125                 raise ExtractorError('The formats list is empty')
 126
 127         if re.match(r'[A-Z]Q', formats[0]['quality']) is not None:
 128             def sort_key(f):
 129                 return ['HQ', 'MQ', 'EQ', 'SQ'].index(f['quality'])
 130         else:
 131             def sort_key(f):
 132                 versionCode = f.get('versionCode')
 133                 if versionCode is None:
 134                     versionCode = ''
 135                 return (
 136                     # Sort first by quality
 137                     int(f.get('height', -1)),
 138                     int(f.get('bitrate', -1)),
 139                     # The original version with subtitles has lower relevance
 140                     re.match(r'VO-ST(F|A)', versionCode) is None,
 141                     # The version with sourds/mal subtitles has also lower relevance
 142                     re.match(r'VO?(F|A)-STM\1', versionCode) is None,
 143                     # Prefer http downloads over m3u8
 144                     0 if f['url'].endswith('m3u8') else 1,
 145                 )
 146         formats = sorted(formats, key=sort_key)
 147         def _format(format_info):
 148             quality = ''
 149             height = format_info.get('height')
 150             if height is not None:
 151                 quality = compat_str(height)
 152             bitrate = format_info.get('bitrate')
 153             if bitrate is not None:
 154                 quality += '-%d' % bitrate
 155             if format_info.get('versionCode') is not None:
 156                 format_id = '%s-%s' % (quality, format_info['versionCode'])
 157             else:
 158                 format_id = quality
 159             info = {
 160                 'format_id': format_id,
 161                 'format_note': format_info.get('versionLibelle'),
 162                 'width': format_info.get('width'),
 163                 'height': height,
 164             }
 165             if format_info['mediaType'] == 'rtmp':
 166                 info['url'] = format_info['streamer']
 167                 info['play_path'] = 'mp4:' + format_info['url']
 168                 info['ext'] = 'flv'
 169             else:
 170                 info['url'] = format_info['url']
 171                 info['ext'] = determine_ext(info['url'])
 172             return info
 173         info_dict['formats'] = [_format(f) for f in formats]
 174
 175         return info_dict
 176
 177
 178 # It also uses the arte_vp_url url from the webpage to extract the information
 179 class ArteTVCreativeIE(ArteTVPlus7IE):
 180     IE_NAME = 'arte.tv:creative'
 181     _VALID_URL = r'https?://creative\.arte\.tv/(?P<lang>fr|de)/(?:magazine?/)?(?P<id>[^?#]+)'
 182
 183     _TESTS = [{
 184         'url': 'http://creative.arte.tv/de/magazin/agentur-amateur-corporate-design',
 185         'info_dict': {
 186             'id': '72176',
 187             'ext': 'mp4',
 188             'title': 'Folge 2 - Corporate Design',
 189             'upload_date': '20131004',
 190         },
 191     }, {
 192         'url': 'http://creative.arte.tv/fr/Monty-Python-Reunion',
 193         'info_dict': {
 194             'id': '160676',
 195             'ext': 'mp4',
 196             'title': 'Monty Python live (mostly)',
 197             'description': 'Événement ! Quarante-cinq ans après leurs premiers succès, les légendaires Monty Python remontent sur scène.\n',
 198             'upload_date': '20140805',
 199         }
 200     }]
 201
 202
 203 class ArteTVFutureIE(ArteTVPlus7IE):
 204     IE_NAME = 'arte.tv:future'
 205     _VALID_URL = r'https?://future\.arte\.tv/(?P<lang>fr|de)/(thema|sujet)/.*?#article-anchor-(?P<id>\d+)'
 206
 207     _TEST = {
 208         'url': 'http://future.arte.tv/fr/sujet/info-sciences#article-anchor-7081',
 209         'info_dict': {
 210             'id': '5201',
 211             'ext': 'mp4',
 212             'title': 'Les champignons au secours de la planète',
 213             'upload_date': '20131101',
 214         },
 215     }
 216
 217     def _real_extract(self, url):
 218         anchor_id, lang = self._extract_url_info(url)
 219         webpage = self._download_webpage(url, anchor_id)
 220         row = get_element_by_id(anchor_id, webpage)
 221         return self._extract_from_webpage(row, anchor_id, lang)
 222
 223
 224 class ArteTVDDCIE(ArteTVPlus7IE):
 225     IE_NAME = 'arte.tv:ddc'
 226     _VALID_URL = r'https?://ddc\.arte\.tv/(?P<lang>emission|folge)/(?P<id>.+)'
 227
 228     def _real_extract(self, url):
 229         video_id, lang = self._extract_url_info(url)
 230         if lang == 'folge':
 231             lang = 'de'
 232         elif lang == 'emission':
 233             lang = 'fr'
 234         webpage = self._download_webpage(url, video_id)
 235         scriptElement = get_element_by_attribute('class', 'visu_video_block', webpage)
 236         script_url = self._html_search_regex(r'src="(.*?)"', scriptElement, 'script url')
 237         javascriptPlayerGenerator = self._download_webpage(script_url, video_id, 'Download javascript player generator')
 238         json_url = self._search_regex(r"json_url=(.*)&rendering_place.*", javascriptPlayerGenerator, 'json url')
 239         return self._extract_from_json_url(json_url, video_id, lang)
 240
 241
 242 class ArteTVConcertIE(ArteTVPlus7IE):
 243     IE_NAME = 'arte.tv:concert'
 244     _VALID_URL = r'https?://concert\.arte\.tv/(?P<lang>de|fr)/(?P<id>.+)'
 245
 246     _TEST = {
 247         'url': 'http://concert.arte.tv/de/notwist-im-pariser-konzertclub-divan-du-monde',
 248         'md5': '9ea035b7bd69696b67aa2ccaaa218161',
 249         'info_dict': {
 250             'id': '186',
 251             'ext': 'mp4',
 252             'title': 'The Notwist im Pariser Konzertclub "Divan du Monde"',
 253             'upload_date': '20140128',
 254             'description': 'md5:486eb08f991552ade77439fe6d82c305',
 255         },
 256     }
 257
 258
 259 class ArteTVEmbedIE(ArteTVPlus7IE):
 260     IE_NAME = 'arte.tv:embed'
 261     _VALID_URL = r'''(?x)
 262         http://www\.arte\.tv
 263         /playerv2/embed\.php\?json_url=
 264         (?P<json_url>
 265             http://arte\.tv/papi/tvguide/videos/stream/player/
 266             (?P<lang>[^/]+)/(?P<id>[^/]+)[^&]*
 267         )
 268     '''
 269
 270     def _real_extract(self, url):
 271         mobj = re.match(self._VALID_URL, url)
 272         video_id = mobj.group('id')
 273         lang = mobj.group('lang')
 274         json_url = mobj.group('json_url')
 275         return self._extract_from_json_url(json_url, video_id, lang)