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

   1 # -*- coding: utf-8 -*-
   2 from __future__ import unicode_literals
   3
   4 import re
   5
   6 from .common import InfoExtractor
   7 from ..utils import int_or_none
   8
   9
  10 class TumblrIE(InfoExtractor):
  11     _VALID_URL = r'http://(?P<blog_name>.*?)\.tumblr\.com/(?:post|video)/(?P<id>[0-9]+)(?:$|[/?#])'
  12     _TESTS = [{
  13         'url': 'http://tatianamaslanydaily.tumblr.com/post/54196191430/orphan-black-dvd-extra-behind-the-scenes',
  14         'md5': '479bb068e5b16462f5176a6828829767',
  15         'info_dict': {
  16             'id': '54196191430',
  17             'ext': 'mp4',
  18             'title': 'tatiana maslany news, Orphan Black || DVD extra - behind the scenes ↳...',
  19             'description': 'md5:37db8211e40b50c7c44e95da14f630b7',
  20             'thumbnail': 're:http://.*\.jpg',
  21         }
  22     }, {
  23         'url': 'http://5sostrum.tumblr.com/post/90208453769/yall-forgetting-the-greatest-keek-of-them-all',
  24         'md5': 'bf348ef8c0ef84fbf1cbd6fa6e000359',
  25         'info_dict': {
  26             'id': '90208453769',
  27             'ext': 'mp4',
  28             'title': '5SOS STRUM ;]',
  29             'description': 'md5:dba62ac8639482759c8eb10ce474586a',
  30             'thumbnail': 're:http://.*\.jpg',
  31         }
  32     }, {
  33         'url': 'http://hdvideotest.tumblr.com/post/130323439814/test-description-for-my-hd-video',
  34         'md5': '7ae503065ad150122dc3089f8cf1546c',
  35         'info_dict': {
  36             'id': '130323439814',
  37             'ext': 'mp4',
  38             'title': 'HD Video Testing \u2014 Test description for my HD video',
  39             'description': 'md5:97cc3ab5fcd27ee4af6356701541319c',
  40             'thumbnail': 're:http://.*\.jpg',
  41         },
  42         'params': {
  43             'format': 'hd',
  44         },
  45     }, {
  46         'url': 'http://naked-yogi.tumblr.com/post/118312946248/naked-smoking-stretching',
  47         'md5': 'de07e5211d60d4f3a2c3df757ea9f6ab',
  48         'info_dict': {
  49             'id': 'Wmur',
  50             'ext': 'mp4',
  51             'title': 'naked smoking & stretching',
  52             'upload_date': '20150506',
  53             'timestamp': 1430931613,
  54             'age_limit': 18,
  55             'uploader_id': '1638622',
  56             'uploader': 'naked-yogi',
  57         },
  58         'add_ie': ['Vidme'],
  59     }, {
  60         'url': 'http://camdamage.tumblr.com/post/98846056295/',
  61         'md5': 'a9e0c8371ea1ca306d6554e3fecf50b6',
  62         'info_dict': {
  63             'id': '105463834',
  64             'ext': 'mp4',
  65             'title': 'Cam Damage-HD 720p',
  66             'uploader': 'John Moyer',
  67             'uploader_id': 'user32021558',
  68         },
  69         'add_ie': ['Vimeo'],
  70     }]
  71
  72     def _real_extract(self, url):
  73         m_url = re.match(self._VALID_URL, url)
  74         video_id = m_url.group('id')
  75         blog = m_url.group('blog_name')
  76
  77         url = 'http://%s.tumblr.com/post/%s/' % (blog, video_id)
  78         webpage, urlh = self._download_webpage_handle(url, video_id)
  79
  80         iframe_url = self._search_regex(
  81             r'src=\'(https?://www\.tumblr\.com/video/[^\']+)\'',
  82             webpage, 'iframe url', default=None)
  83         if iframe_url is None:
  84             return self.url_result(urlh.geturl(), 'Generic')
  85
  86         iframe = self._download_webpage(iframe_url, video_id, 'Downloading iframe page')
  87
  88         duration = None
  89         sources = []
  90
  91         sd_url = self._search_regex(
  92             r'<source[^>]+src=(["\'])(?P<url>.+?)\1', iframe,
  93             'sd video url', default=None, group='url')
  94         if sd_url:
  95             sources.append((sd_url, 'sd'))
  96
  97         options = self._parse_json(
  98             self._search_regex(
  99                 r'data-crt-options=(["\'])(?P<options>.+?)\1', iframe,
 100                 'hd video url', default='', group='options'),
 101             video_id, fatal=False)
 102         if options:
 103             duration = int_or_none(options.get('duration'))
 104             hd_url = options.get('hdUrl')
 105             if hd_url:
 106                 sources.append((hd_url, 'hd'))
 107
 108         formats = [{
 109             'url': video_url,
 110             'ext': 'mp4',
 111             'format_id': format_id,
 112             'height': int_or_none(self._search_regex(
 113                 r'/(\d{3,4})$', video_url, 'height', default=None)),
 114             'quality': quality,
 115         } for quality, (video_url, format_id) in enumerate(sources)]
 116
 117         self._sort_formats(formats)
 118
 119         # The only place where you can get a title, it's not complete,
 120         # but searching in other places doesn't work for all videos
 121         video_title = self._html_search_regex(
 122             r'(?s)<title>(?P<title>.*?)(?: \| Tumblr)?</title>',
 123             webpage, 'title')
 124
 125         return {
 126             'id': video_id,
 127             'title': video_title,
 128             'description': self._og_search_description(webpage, default=None),
 129             'thumbnail': self._og_search_thumbnail(webpage, default=None),
 130             'duration': duration,
 131             'formats': formats,
 132         }