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