_ Git - youtube-dl/blob - youtube_dl/extractor/francetv.py

   1 # coding: utf-8
   2
   3 from __future__ import unicode_literals
   4
   5 import re
   6
   7 from .common import InfoExtractor
   8 from ..compat import (
   9     compat_str,
  10     compat_urlparse,
  11 )
  12 from ..utils import (
  13     clean_html,
  14     determine_ext,
  15     ExtractorError,
  16     int_or_none,
  17     parse_duration,
  18     try_get,
  19 )
  20 from .dailymotion import DailymotionIE
  21
  22
  23 class FranceTVBaseInfoExtractor(InfoExtractor):
  24     def _make_url_result(self, video_or_full_id, catalog=None):
  25         full_id = 'francetv:%s' % video_or_full_id
  26         if '@' not in video_or_full_id and catalog:
  27             full_id += '@%s' % catalog
  28         return self.url_result(
  29             full_id, ie=FranceTVIE.ie_key(),
  30             video_id=video_or_full_id.split('@')[0])
  31
  32
  33 class FranceTVIE(InfoExtractor):
  34     _VALID_URL = r'''(?x)
  35                     (?:
  36                         https?://
  37                             sivideo\.webservices\.francetelevisions\.fr/tools/getInfosOeuvre/v2/\?
  38                             .*?\bidDiffusion=[^&]+|
  39                         (?:
  40                             https?://videos\.francetv\.fr/video/|
  41                             francetv:
  42                         )
  43                         (?P<id>[^@]+)(?:@(?P<catalog>.+))?
  44                     )
  45                     '''
  46
  47     _TESTS = [{
  48         # without catalog
  49         'url': 'https://sivideo.webservices.francetelevisions.fr/tools/getInfosOeuvre/v2/?idDiffusion=162311093&callback=_jsonp_loader_callback_request_0',
  50         'md5': 'c2248a8de38c4e65ea8fae7b5df2d84f',
  51         'info_dict': {
  52             'id': '162311093',
  53             'ext': 'mp4',
  54             'title': '13h15, le dimanche... - Les mystères de Jésus',
  55             'description': 'md5:75efe8d4c0a8205e5904498ffe1e1a42',
  56             'timestamp': 1502623500,
  57             'upload_date': '20170813',
  58         },
  59     }, {
  60         # with catalog
  61         'url': 'https://sivideo.webservices.francetelevisions.fr/tools/getInfosOeuvre/v2/?idDiffusion=NI_1004933&catalogue=Zouzous&callback=_jsonp_loader_callback_request_4',
  62         'only_matching': True,
  63     }, {
  64         'url': 'http://videos.francetv.fr/video/NI_657393@Regions',
  65         'only_matching': True,
  66     }, {
  67         'url': 'francetv:162311093',
  68         'only_matching': True,
  69     }, {
  70         'url': 'francetv:NI_1004933@Zouzous',
  71         'only_matching': True,
  72     }, {
  73         'url': 'francetv:NI_983319@Info-web',
  74         'only_matching': True,
  75     }, {
  76         'url': 'francetv:NI_983319',
  77         'only_matching': True,
  78     }, {
  79         'url': 'francetv:NI_657393@Regions',
  80         'only_matching': True,
  81     }, {
  82         # france-3 live
  83         'url': 'https://www.france.tv/france-3/direct.html',
  84         'only_matching': True,
  85     }, {
  86         # france-3 live
  87         'url': 'francetv:SIM_France3',
  88         'only_matching': True,
  89     }]
  90
  91     def _extract_video(self, video_id, catalogue=None):
  92         # Videos are identified by idDiffusion so catalogue part is optional.
  93         # However when provided, some extra formats may be returned so we pass
  94         # it if available.
  95         info = self._download_json(
  96             'https://sivideo.webservices.francetelevisions.fr/tools/getInfosOeuvre/v2/',
  97             video_id, 'Downloading video JSON', query={
  98                 'idDiffusion': video_id,
  99                 'catalogue': catalogue or '',
 100             })
 101
 102         if info.get('status') == 'NOK':
 103             raise ExtractorError(
 104                 '%s returned error: %s' % (self.IE_NAME, info['message']),
 105                 expected=True)
 106         allowed_countries = info['videos'][0].get('geoblocage')
 107         if allowed_countries:
 108             georestricted = True
 109             geo_info = self._download_json(
 110                 'http://geo.francetv.fr/ws/edgescape.json', video_id,
 111                 'Downloading geo restriction info')
 112             country = geo_info['reponse']['geo_info']['country_code']
 113             if country not in allowed_countries:
 114                 raise ExtractorError(
 115                     'The video is not available from your location',
 116                     expected=True)
 117         else:
 118             georestricted = False
 119
 120         def sign(manifest_url, manifest_id):
 121             for host in ('hdfauthftv-a.akamaihd.net', 'hdfauth.francetv.fr'):
 122                 signed_url = self._download_webpage(
 123                     'https://%s/esi/TA' % host, video_id,
 124                     'Downloading signed %s manifest URL' % manifest_id,
 125                     fatal=False, query={
 126                         'url': manifest_url,
 127                     })
 128                 if (signed_url and isinstance(signed_url, compat_str) and
 129                         re.search(r'^(?:https?:)?//', signed_url)):
 130                     return signed_url
 131             return manifest_url
 132
 133         is_live = None
 134
 135         formats = []
 136         for video in info['videos']:
 137             if video['statut'] != 'ONLINE':
 138                 continue
 139             video_url = video['url']
 140             if not video_url:
 141                 continue
 142             if is_live is None:
 143                 is_live = (try_get(
 144                     video, lambda x: x['plages_ouverture'][0]['direct'],
 145                     bool) is True) or '/live.francetv.fr/' in video_url
 146             format_id = video['format']
 147             ext = determine_ext(video_url)
 148             if ext == 'f4m':
 149                 if georestricted:
 150                     # See https://github.com/rg3/youtube-dl/issues/3963
 151                     # m3u8 urls work fine
 152                     continue
 153                 formats.extend(self._extract_f4m_formats(
 154                     sign(video_url, format_id) + '&hdcore=3.7.0&plugin=aasp-3.7.0.39.44',
 155                     video_id, f4m_id=format_id, fatal=False))
 156             elif ext == 'm3u8':
 157                 formats.extend(self._extract_m3u8_formats(
 158                     sign(video_url, format_id), video_id, 'mp4',
 159                     entry_protocol='m3u8_native', m3u8_id=format_id,
 160                     fatal=False))
 161             elif video_url.startswith('rtmp'):
 162                 formats.append({
 163                     'url': video_url,
 164                     'format_id': 'rtmp-%s' % format_id,
 165                     'ext': 'flv',
 166                 })
 167             else:
 168                 if self._is_valid_url(video_url, video_id, format_id):
 169                     formats.append({
 170                         'url': video_url,
 171                         'format_id': format_id,
 172                     })
 173         self._sort_formats(formats)
 174
 175         title = info['titre']
 176         subtitle = info.get('sous_titre')
 177         if subtitle:
 178             title += ' - %s' % subtitle
 179         title = title.strip()
 180
 181         subtitles = {}
 182         subtitles_list = [{
 183             'url': subformat['url'],
 184             'ext': subformat.get('format'),
 185         } for subformat in info.get('subtitles', []) if subformat.get('url')]
 186         if subtitles_list:
 187             subtitles['fr'] = subtitles_list
 188
 189         return {
 190             'id': video_id,
 191             'title': self._live_title(title) if is_live else title,
 192             'description': clean_html(info['synopsis']),
 193             'thumbnail': compat_urlparse.urljoin('http://pluzz.francetv.fr', info['image']),
 194             'duration': int_or_none(info.get('real_duration')) or parse_duration(info['duree']),
 195             'timestamp': int_or_none(info['diffusion']['timestamp']),
 196             'is_live': is_live,
 197             'formats': formats,
 198             'subtitles': subtitles,
 199         }
 200
 201     def _real_extract(self, url):
 202         mobj = re.match(self._VALID_URL, url)
 203         video_id = mobj.group('id')
 204         catalog = mobj.group('catalog')
 205
 206         if not video_id:
 207             qs = compat_urlparse.parse_qs(compat_urlparse.urlparse(url).query)
 208             video_id = qs.get('idDiffusion', [None])[0]
 209             catalog = qs.get('catalogue', [None])[0]
 210             if not video_id:
 211                 raise ExtractorError('Invalid URL', expected=True)
 212
 213         return self._extract_video(video_id, catalog)
 214
 215
 216 class FranceTVSiteIE(FranceTVBaseInfoExtractor):
 217     _VALID_URL = r'https?://(?:(?:www\.)?france\.tv|mobile\.france\.tv)/(?:[^/]+/)*(?P<id>[^/]+)\.html'
 218
 219     _TESTS = [{
 220         'url': 'https://www.france.tv/france-2/13h15-le-dimanche/140921-les-mysteres-de-jesus.html',
 221         'info_dict': {
 222             'id': '162311093',
 223             'ext': 'mp4',
 224             'title': '13h15, le dimanche... - Les mystères de Jésus',
 225             'description': 'md5:75efe8d4c0a8205e5904498ffe1e1a42',
 226             'timestamp': 1502623500,
 227             'upload_date': '20170813',
 228         },
 229         'params': {
 230             'skip_download': True,
 231         },
 232         'add_ie': [FranceTVIE.ie_key()],
 233     }, {
 234         # france3
 235         'url': 'https://www.france.tv/france-3/des-chiffres-et-des-lettres/139063-emission-du-mardi-9-mai-2017.html',
 236         'only_matching': True,
 237     }, {
 238         # france4
 239         'url': 'https://www.france.tv/france-4/hero-corp/saison-1/134151-apres-le-calme.html',
 240         'only_matching': True,
 241     }, {
 242         # france5
 243         'url': 'https://www.france.tv/france-5/c-a-dire/saison-10/137013-c-a-dire.html',
 244         'only_matching': True,
 245     }, {
 246         # franceo
 247         'url': 'https://www.france.tv/france-o/archipels/132249-mon-ancetre-l-esclave.html',
 248         'only_matching': True,
 249     }, {
 250         # france2 live
 251         'url': 'https://www.france.tv/france-2/direct.html',
 252         'only_matching': True,
 253     }, {
 254         'url': 'https://www.france.tv/documentaires/histoire/136517-argentine-les-500-bebes-voles-de-la-dictature.html',
 255         'only_matching': True,
 256     }, {
 257         'url': 'https://www.france.tv/jeux-et-divertissements/divertissements/133965-le-web-contre-attaque.html',
 258         'only_matching': True,
 259     }, {
 260         'url': 'https://mobile.france.tv/france-5/c-dans-l-air/137347-emission-du-vendredi-12-mai-2017.html',
 261         'only_matching': True,
 262     }, {
 263         'url': 'https://www.france.tv/142749-rouge-sang.html',
 264         'only_matching': True,
 265     }]
 266
 267     def _real_extract(self, url):
 268         display_id = self._match_id(url)
 269
 270         webpage = self._download_webpage(url, display_id)
 271
 272         catalogue = None
 273         video_id = self._search_regex(
 274             r'data-main-video=(["\'])(?P<id>(?:(?!\1).)+)\1',
 275             webpage, 'video id', default=None, group='id')
 276
 277         if not video_id:
 278             video_id, catalogue = self._html_search_regex(
 279                 r'(?:href=|player\.setVideo\(\s*)"http://videos?\.francetv\.fr/video/([^@]+@[^"]+)"',
 280                 webpage, 'video ID').split('@')
 281
 282         return self._make_url_result(video_id, catalogue)
 283
 284
 285 class FranceTVEmbedIE(FranceTVBaseInfoExtractor):
 286     _VALID_URL = r'https?://embed\.francetv\.fr/*\?.*?\bue=(?P<id>[^&]+)'
 287
 288     _TESTS = [{
 289         'url': 'http://embed.francetv.fr/?ue=7fd581a2ccf59d2fc5719c5c13cf6961',
 290         'info_dict': {
 291             'id': 'NI_983319',
 292             'ext': 'mp4',
 293             'title': 'Le Pen Reims',
 294             'upload_date': '20170505',
 295             'timestamp': 1493981780,
 296             'duration': 16,
 297         },
 298         'params': {
 299             'skip_download': True,
 300         },
 301         'add_ie': [FranceTVIE.ie_key()],
 302     }]
 303
 304     def _real_extract(self, url):
 305         video_id = self._match_id(url)
 306
 307         video = self._download_json(
 308             'http://api-embed.webservices.francetelevisions.fr/key/%s' % video_id,
 309             video_id)
 310
 311         return self._make_url_result(video['video_id'], video.get('catalog'))
 312
 313
 314 class FranceTVInfoIE(FranceTVBaseInfoExtractor):
 315     IE_NAME = 'francetvinfo.fr'
 316     _VALID_URL = r'https?://(?:www|mobile|france3-regions)\.francetvinfo\.fr/(?:[^/]+/)*(?P<id>[^/?#&.]+)'
 317
 318     _TESTS = [{
 319         'url': 'http://www.francetvinfo.fr/replay-jt/france-3/soir-3/jt-grand-soir-3-lundi-26-aout-2013_393427.html',
 320         'info_dict': {
 321             'id': '84981923',
 322             'ext': 'mp4',
 323             'title': 'Soir 3',
 324             'upload_date': '20130826',
 325             'timestamp': 1377548400,
 326             'subtitles': {
 327                 'fr': 'mincount:2',
 328             },
 329         },
 330         'params': {
 331             'skip_download': True,
 332         },
 333         'add_ie': [FranceTVIE.ie_key()],
 334     }, {
 335         'url': 'http://www.francetvinfo.fr/elections/europeennes/direct-europeennes-regardez-le-debat-entre-les-candidats-a-la-presidence-de-la-commission_600639.html',
 336         'only_matching': True,
 337     }, {
 338         'url': 'http://www.francetvinfo.fr/economie/entreprises/les-entreprises-familiales-le-secret-de-la-reussite_933271.html',
 339         'only_matching': True,
 340     }, {
 341         'url': 'http://france3-regions.francetvinfo.fr/bretagne/cotes-d-armor/thalassa-echappee-breizh-ce-venredi-dans-les-cotes-d-armor-954961.html',
 342         'only_matching': True,
 343     }, {
 344         # Dailymotion embed
 345         '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',
 346         'md5': 'ee7f1828f25a648addc90cb2687b1f12',
 347         'info_dict': {
 348             'id': 'x4iiko0',
 349             'ext': 'mp4',
 350             'title': 'NDDL, référendum, Brexit : Cécile Duflot répond à Patrick Cohen',
 351             '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',
 352             'timestamp': 1467011958,
 353             'upload_date': '20160627',
 354             'uploader': 'France Inter',
 355             'uploader_id': 'x2q2ez',
 356         },
 357         'add_ie': ['Dailymotion'],
 358     }, {
 359         'url': 'http://france3-regions.francetvinfo.fr/limousin/emissions/jt-1213-limousin',
 360         'only_matching': True,
 361     }]
 362
 363     def _real_extract(self, url):
 364         display_id = self._match_id(url)
 365
 366         webpage = self._download_webpage(url, display_id)
 367
 368         dailymotion_urls = DailymotionIE._extract_urls(webpage)
 369         if dailymotion_urls:
 370             return self.playlist_result([
 371                 self.url_result(dailymotion_url, DailymotionIE.ie_key())
 372                 for dailymotion_url in dailymotion_urls])
 373
 374         video_id, catalogue = self._search_regex(
 375             (r'id-video=([^@]+@[^"]+)',
 376              r'<a[^>]+href="(?:https?:)?//videos\.francetv\.fr/video/([^@]+@[^"]+)"'),
 377             webpage, 'video id').split('@')
 378
 379         return self._make_url_result(video_id, catalogue)
 380
 381
 382 class GenerationWhatIE(InfoExtractor):
 383     IE_NAME = 'france2.fr:generation-what'
 384     _VALID_URL = r'https?://generation-what\.francetv\.fr/[^/]+/video/(?P<id>[^/?#&]+)'
 385
 386     _TESTS = [{
 387         'url': 'http://generation-what.francetv.fr/portrait/video/present-arms',
 388         'info_dict': {
 389             'id': 'wtvKYUG45iw',
 390             'ext': 'mp4',
 391             'title': 'Generation What - Garde à vous - FRA',
 392             'uploader': 'Generation What',
 393             'uploader_id': 'UCHH9p1eetWCgt4kXBYCb3_w',
 394             'upload_date': '20160411',
 395         },
 396         'params': {
 397             'skip_download': True,
 398         },
 399         'add_ie': ['Youtube'],
 400     }, {
 401         'url': 'http://generation-what.francetv.fr/europe/video/present-arms',
 402         'only_matching': True,
 403     }]
 404
 405     def _real_extract(self, url):
 406         display_id = self._match_id(url)
 407
 408         webpage = self._download_webpage(url, display_id)
 409
 410         youtube_id = self._search_regex(
 411             r"window\.videoURL\s*=\s*'([0-9A-Za-z_-]{11})';",
 412             webpage, 'youtube id')
 413
 414         return self.url_result(youtube_id, ie='Youtube', video_id=youtube_id)
 415
 416
 417 class CultureboxIE(FranceTVBaseInfoExtractor):
 418     _VALID_URL = r'https?://(?:m\.)?culturebox\.francetvinfo\.fr/(?:[^/]+/)*(?P<id>[^/?#&]+)'
 419
 420     _TESTS = [{
 421         'url': 'https://culturebox.francetvinfo.fr/opera-classique/musique-classique/c-est-baroque/concerts/cantates-bwv-4-106-et-131-de-bach-par-raphael-pichon-57-268689',
 422         'info_dict': {
 423             'id': 'EV_134885',
 424             'ext': 'mp4',
 425             'title': 'Cantates BWV 4, 106 et 131 de Bach par Raphaël Pichon 5/7',
 426             'description': 'md5:19c44af004b88219f4daa50fa9a351d4',
 427             'upload_date': '20180206',
 428             'timestamp': 1517945220,
 429             'duration': 5981,
 430         },
 431         'params': {
 432             'skip_download': True,
 433         },
 434         'add_ie': [FranceTVIE.ie_key()],
 435     }]
 436
 437     def _real_extract(self, url):
 438         display_id = self._match_id(url)
 439
 440         webpage = self._download_webpage(url, display_id)
 441
 442         if ">Ce live n'est plus disponible en replay<" in webpage:
 443             raise ExtractorError(
 444                 'Video %s is not available' % display_id, expected=True)
 445
 446         video_id, catalogue = self._search_regex(
 447             r'["\'>]https?://videos\.francetv\.fr/video/([^@]+@.+?)["\'<]',
 448             webpage, 'video id').split('@')
 449
 450         return self._make_url_result(video_id, catalogue)
 451
 452
 453 class FranceTVJeunesseIE(FranceTVBaseInfoExtractor):
 454     _VALID_URL = r'(?P<url>https?://(?:www\.)?(?:zouzous|ludo)\.fr/heros/(?P<id>[^/?#&]+))'
 455
 456     _TESTS = [{
 457         'url': 'https://www.zouzous.fr/heros/simon',
 458         'info_dict': {
 459             'id': 'simon',
 460         },
 461         'playlist_count': 9,
 462     }, {
 463         'url': 'https://www.ludo.fr/heros/ninjago',
 464         'info_dict': {
 465             'id': 'ninjago',
 466         },
 467         'playlist_count': 10,
 468     }, {
 469         'url': 'https://www.zouzous.fr/heros/simon?abc',
 470         'only_matching': True,
 471     }]
 472
 473     def _real_extract(self, url):
 474         mobj = re.match(self._VALID_URL, url)
 475         playlist_id = mobj.group('id')
 476
 477         playlist = self._download_json(
 478             '%s/%s' % (mobj.group('url'), 'playlist'), playlist_id)
 479
 480         if not playlist.get('count'):
 481             raise ExtractorError(
 482                 '%s is not available' % playlist_id, expected=True)
 483
 484         entries = []
 485         for item in playlist['items']:
 486             identity = item.get('identity')
 487             if identity and isinstance(identity, compat_str):
 488                 entries.append(self._make_url_result(identity))
 489
 490         return self.playlist_result(entries, playlist_id)