_ Git - youtube-dl/blob - youtube_dl/extractor/tvp.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 (
   8     determine_ext,
   9     clean_html,
  10     get_element_by_attribute,
  11     ExtractorError,
  12 )
  13
  14
  15 class TVPIE(InfoExtractor):
  16     IE_NAME = 'tvp'
  17     IE_DESC = 'Telewizja Polska'
  18     _VALID_URL = r'https?://[^/]+\.tvp\.(?:pl|info)/(?:video/(?:[^,\s]*,)*|(?:(?!\d+/)[^/]+/)*)(?P<id>\d+)'
  19
  20     _TESTS = [{
  21         'url': 'https://vod.tvp.pl/video/czas-honoru,i-seria-odc-13,194536',
  22         'md5': 'a21eb0aa862f25414430f15fdfb9e76c',
  23         'info_dict': {
  24             'id': '194536',
  25             'ext': 'mp4',
  26             'title': 'Czas honoru, odc. 13 – Władek',
  27             'description': 'md5:437f48b93558370b031740546b696e24',
  28         },
  29     }, {
  30         'url': 'http://www.tvp.pl/there-can-be-anything-so-i-shortened-it/17916176',
  31         'md5': 'b0005b542e5b4de643a9690326ab1257',
  32         'info_dict': {
  33             'id': '17916176',
  34             'ext': 'mp4',
  35             'title': 'TVP Gorzów pokaże filmy studentów z podroży dookoła świata',
  36             'description': 'TVP Gorzów pokaże filmy studentów z podroży dookoła świata',
  37         },
  38     }, {
  39         # page id is not the same as video id(#7799)
  40         'url': 'https://wiadomosci.tvp.pl/33908820/28092017-1930',
  41         'md5': '84cd3c8aec4840046e5ab712416b73d0',
  42         'info_dict': {
  43             'id': '33908820',
  44             'ext': 'mp4',
  45             'title': 'Wiadomości, 28.09.2017, 19:30',
  46             'description': 'Wydanie główne codziennego serwisu informacyjnego.'
  47         },
  48         'skip': 'HTTP Error 404: Not Found',
  49     }, {
  50         'url': 'http://vod.tvp.pl/seriale/obyczajowe/na-sygnale/sezon-2-27-/odc-39/17834272',
  51         'only_matching': True,
  52     }, {
  53         'url': 'http://wiadomosci.tvp.pl/25169746/24052016-1200',
  54         'only_matching': True,
  55     }, {
  56         'url': 'http://krakow.tvp.pl/25511623/25lecie-mck-wyjatkowe-miejsce-na-mapie-krakowa',
  57         'only_matching': True,
  58     }, {
  59         'url': 'http://teleexpress.tvp.pl/25522307/wierni-wzieli-udzial-w-procesjach',
  60         'only_matching': True,
  61     }, {
  62         'url': 'http://sport.tvp.pl/25522165/krychowiak-uspokaja-w-sprawie-kontuzji-dwa-tygodnie-to-maksimum',
  63         'only_matching': True,
  64     }, {
  65         'url': 'http://www.tvp.info/25511919/trwa-rewolucja-wladza-zdecydowala-sie-na-pogwalcenie-konstytucji',
  66         'only_matching': True,
  67     }]
  68
  69     def _real_extract(self, url):
  70         page_id = self._match_id(url)
  71         webpage = self._download_webpage(url, page_id)
  72         video_id = self._search_regex([
  73             r'<iframe[^>]+src="[^"]*?object_id=(\d+)',
  74             r"object_id\s*:\s*'(\d+)'",
  75             r'data-video-id="(\d+)"'], webpage, 'video id', default=page_id)
  76         return {
  77             '_type': 'url_transparent',
  78             'url': 'tvp:' + video_id,
  79             'description': self._og_search_description(
  80                 webpage, default=None) or self._html_search_meta(
  81                 'description', webpage, default=None),
  82             'thumbnail': self._og_search_thumbnail(webpage, default=None),
  83             'ie_key': 'TVPEmbed',
  84         }
  85
  86
  87 class TVPEmbedIE(InfoExtractor):
  88     IE_NAME = 'tvp:embed'
  89     IE_DESC = 'Telewizja Polska'
  90     _VALID_URL = r'(?:tvp:|https?://[^/]+\.tvp\.(?:pl|info)/sess/tvplayer\.php\?.*?object_id=)(?P<id>\d+)'
  91
  92     _TESTS = [{
  93         'url': 'tvp:194536',
  94         'md5': 'a21eb0aa862f25414430f15fdfb9e76c',
  95         'info_dict': {
  96             'id': '194536',
  97             'ext': 'mp4',
  98             'title': 'Czas honoru, odc. 13 – Władek',
  99         },
 100     }, {
 101         'url': 'http://www.tvp.pl/sess/tvplayer.php?object_id=22670268',
 102         'md5': '8c9cd59d16edabf39331f93bf8a766c7',
 103         'info_dict': {
 104             'id': '22670268',
 105             'ext': 'mp4',
 106             'title': 'Panorama, 07.12.2015, 15:40',
 107         },
 108     }, {
 109         'url': 'tvp:22670268',
 110         'only_matching': True,
 111     }]
 112
 113     def _real_extract(self, url):
 114         video_id = self._match_id(url)
 115
 116         webpage = self._download_webpage(
 117             'http://www.tvp.pl/sess/tvplayer.php?object_id=%s' % video_id, video_id)
 118
 119         error_massage = get_element_by_attribute('class', 'msg error', webpage)
 120         if error_massage:
 121             raise ExtractorError('%s said: %s' % (
 122                 self.IE_NAME, clean_html(error_massage)), expected=True)
 123
 124         title = self._search_regex(
 125             r'name\s*:\s*([\'"])Title\1\s*,\s*value\s*:\s*\1(?P<title>.+?)\1',
 126             webpage, 'title', group='title')
 127         series_title = self._search_regex(
 128             r'name\s*:\s*([\'"])SeriesTitle\1\s*,\s*value\s*:\s*\1(?P<series>.+?)\1',
 129             webpage, 'series', group='series', default=None)
 130         if series_title:
 131             title = '%s, %s' % (series_title, title)
 132
 133         thumbnail = self._search_regex(
 134             r"poster\s*:\s*'([^']+)'", webpage, 'thumbnail', default=None)
 135
 136         video_url = self._search_regex(
 137             r'0:{src:([\'"])(?P<url>.*?)\1', webpage,
 138             'formats', group='url', default=None)
 139         if not video_url or 'material_niedostepny.mp4' in video_url:
 140             video_url = self._download_json(
 141                 'http://www.tvp.pl/pub/stat/videofileinfo?video_id=%s' % video_id,
 142                 video_id)['video_url']
 143
 144         formats = []
 145         video_url_base = self._search_regex(
 146             r'(https?://.+?/video)(?:\.(?:ism|f4m|m3u8)|-\d+\.mp4)',
 147             video_url, 'video base url', default=None)
 148         if video_url_base:
 149             # TODO: <Group> found instead of <AdaptationSet> in MPD manifest.
 150             # It's not mentioned in MPEG-DASH standard. Figure that out.
 151             # formats.extend(self._extract_mpd_formats(
 152             #     video_url_base + '.ism/video.mpd',
 153             #     video_id, mpd_id='dash', fatal=False))
 154             formats.extend(self._extract_ism_formats(
 155                 video_url_base + '.ism/Manifest',
 156                 video_id, 'mss', fatal=False))
 157             formats.extend(self._extract_f4m_formats(
 158                 video_url_base + '.ism/video.f4m',
 159                 video_id, f4m_id='hds', fatal=False))
 160             m3u8_formats = self._extract_m3u8_formats(
 161                 video_url_base + '.ism/video.m3u8', video_id,
 162                 'mp4', 'm3u8_native', m3u8_id='hls', fatal=False)
 163             self._sort_formats(m3u8_formats)
 164             m3u8_formats = list(filter(
 165                 lambda f: f.get('vcodec') != 'none', m3u8_formats))
 166             formats.extend(m3u8_formats)
 167             for i, m3u8_format in enumerate(m3u8_formats, 2):
 168                 http_url = '%s-%d.mp4' % (video_url_base, i)
 169                 if self._is_valid_url(http_url, video_id):
 170                     f = m3u8_format.copy()
 171                     f.update({
 172                         'url': http_url,
 173                         'format_id': f['format_id'].replace('hls', 'http'),
 174                         'protocol': 'http',
 175                     })
 176                     formats.append(f)
 177         else:
 178             formats = [{
 179                 'format_id': 'direct',
 180                 'url': video_url,
 181                 'ext': determine_ext(video_url, 'mp4'),
 182             }]
 183
 184         self._sort_formats(formats)
 185
 186         return {
 187             'id': video_id,
 188             'title': title,
 189             'thumbnail': thumbnail,
 190             'formats': formats,
 191         }
 192
 193
 194 class TVPSeriesIE(InfoExtractor):
 195     IE_NAME = 'tvp:series'
 196     _VALID_URL = r'https?://vod\.tvp\.pl/(?:[^/]+/){2}(?P<id>[^/]+)/?$'
 197
 198     _TESTS = [{
 199         'url': 'http://vod.tvp.pl/filmy-fabularne/filmy-za-darmo/ogniem-i-mieczem',
 200         'info_dict': {
 201             'title': 'Ogniem i mieczem',
 202             'id': '4278026',
 203         },
 204         'playlist_count': 4,
 205     }, {
 206         'url': 'http://vod.tvp.pl/audycje/podroze/boso-przez-swiat',
 207         'info_dict': {
 208             'title': 'Boso przez świat',
 209             'id': '9329207',
 210         },
 211         'playlist_count': 86,
 212     }]
 213
 214     def _real_extract(self, url):
 215         display_id = self._match_id(url)
 216         webpage = self._download_webpage(url, display_id, tries=5)
 217
 218         title = self._html_search_regex(
 219             r'(?s) id=[\'"]path[\'"]>(?:.*? / ){2}(.*?)</span>', webpage, 'series')
 220         playlist_id = self._search_regex(r'nodeId:\s*(\d+)', webpage, 'playlist id')
 221         playlist = self._download_webpage(
 222             'http://vod.tvp.pl/vod/seriesAjax?type=series&nodeId=%s&recommend'
 223             'edId=0&sort=&page=0&pageSize=10000' % playlist_id, display_id, tries=5,
 224             note='Downloading playlist')
 225
 226         videos_paths = re.findall(
 227             '(?s)class="shortTitle">.*?href="(/[^"]+)', playlist)
 228         entries = [
 229             self.url_result('http://vod.tvp.pl%s' % v_path, ie=TVPIE.ie_key())
 230             for v_path in videos_paths]
 231
 232         return {
 233             '_type': 'playlist',
 234             'id': playlist_id,
 235             'display_id': display_id,
 236             'title': title,
 237             'entries': entries,
 238         }