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

   1 # coding: utf-8
   2 from __future__ import unicode_literals
   3
   4 import re
   5 from .common import InfoExtractor
   6 from ..utils import parse_duration, merge_dicts
   7
   8
   9 class MallTVIE(InfoExtractor):
  10     _VALID_URL = r'https?://(?:www\.)?mall\.tv/(?:.+/)?(?P<id>.+)(?:\?.*$|$)'
  11     _TESTS = [
  12         {
  13             'url': 'https://www.mall.tv/18-miliard-pro-neziskovky-opravdu-jsou-sportovci-nebo-clovek-v-tisni-pijavice',
  14             'md5': '9ced0de056534410837077e23bfba796',
  15             'info_dict': {
  16                 'id': 't0zzt0',
  17                 'ext': 'mp4',
  18                 'title': '18 miliard pro neziskovky. Opravdu jsou sportovci nebo Člověk v tísni pijavice?',
  19                 'description': 'Pokud někdo hospodaří s penězmi daňových poplatníků, pak logicky chceme vědět, jak s nimi nakládá. Objem dotací pro neziskovky roste, ale opravdu jsou tyto organizace „pijavice", jak o nich hovoří And',
  20                 'upload_date': '20181007',
  21                 'timestamp': 1538870400
  22                 }
  23         },
  24         {
  25             'url': 'https://www.mall.tv/kdo-to-plati/18-miliard-pro-neziskovky-opravdu-jsou-sportovci-nebo-clovek-v-tisni-pijavice',
  26             'md5': '9ced0de056534410837077e23bfba796',
  27             'only_matching': 1,
  28             'info_dict': {
  29                 'id': 't0zzt0',
  30                 'ext': 'mp4',
  31                 'title': '18 miliard pro neziskovky. Opravdu jsou sportovci nebo Člověk v tísni pijavice?',
  32                 'description': 'Pokud někdo hospodaří s penězmi daňových poplatníků, pak logicky chceme vědět, jak s nimi nakládá. Objem dotací pro neziskovky roste, ale opravdu jsou tyto organizace „pijavice", jak o nich hovoří And',
  33                 'upload_date': '20181007',
  34                 'timestamp': 1538870400
  35                 }
  36         }
  37     ]
  38
  39     def _real_extract(self, url):
  40         display_id = self._match_id(url)
  41         webpage = self._download_webpage(url, display_id)
  42         src_id_regex = r'(?P<src><source src=([\"\'])?.+?/(?P<id>\w{6,}?)/index)(?P<after>\1?[^>]*?>)'
  43         video_id = self._search_regex(src_id_regex, webpage, 'ID',
  44                                            group='id')
  45         info = self._search_json_ld(webpage, video_id, default={})
  46         html = re.sub(src_id_regex, r'\g<src>.m3u8\g<after>', webpage)
  47         media = self._parse_html5_media_entries(url, html, video_id)
  48         thumbnail = info.get('thumbnail', self._og_search_thumbnail(webpage))
  49         duration = parse_duration(info.get('duration'))
  50         result = {
  51             'id': video_id,
  52             'title': info.get('title', self._og_search_title(webpage)),
  53             'description': self._og_search_description(webpage)
  54         }
  55         result.update({'thumbnail': thumbnail})
  56         result.update({'duration': duration})
  57
  58         return merge_dicts(media[0], info, result)