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