_ 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)/(?:(?!\d+/)[^/]+/)*(?P<id>\d+)'
  19
  20     _TESTS = [{
  21         'url': 'http://vod.tvp.pl/194536/i-seria-odc-13',
  22         'md5': '8aa518c15e5cc32dfe8db400dc921fbb',
  23         'info_dict': {
  24             'id': '194536',
  25             'ext': 'mp4',
  26             'title': 'Czas honoru, I seria – odc. 13',
  27             'description': 'md5:76649d2014f65c99477be17f23a4dead',
  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': 'http://vod.tvp.pl/22704887/08122015-1500',
  41         'md5': 'cf6a4705dfd1489aef8deb168d6ba742',
  42         'info_dict': {
  43             'id': '22680786',
  44             'ext': 'mp4',
  45             'title': 'Wiadomości, 08.12.2015, 15:00',
  46         },
  47     }, {
  48         'url': 'http://vod.tvp.pl/seriale/obyczajowe/na-sygnale/sezon-2-27-/odc-39/17834272',
  49         'only_matching': True,
  50     }, {
  51         'url': 'http://wiadomosci.tvp.pl/25169746/24052016-1200',
  52         'only_matching': True,
  53     }, {
  54         'url': 'http://krakow.tvp.pl/25511623/25lecie-mck-wyjatkowe-miejsce-na-mapie-krakowa',
  55         'only_matching': True,
  56     }, {
  57         'url': 'http://teleexpress.tvp.pl/25522307/wierni-wzieli-udzial-w-procesjach',
  58         'only_matching': True,
  59     }, {
  60         'url': 'http://sport.tvp.pl/25522165/krychowiak-uspokaja-w-sprawie-kontuzji-dwa-tygodnie-to-maksimum',
  61         'only_matching': True,
  62     }, {
  63         'url': 'http://www.tvp.info/25511919/trwa-rewolucja-wladza-zdecydowala-sie-na-pogwalcenie-konstytucji',
  64         'only_matching': True,
  65     }]
  66
  67     def _real_extract(self, url):
  68         page_id = self._match_id(url)
  69         webpage = self._download_webpage(url, page_id)
  70         video_id = self._search_regex([
  71             r'<iframe[^>]+src="[^"]*?object_id=(\d+)',
  72             r"object_id\s*:\s*'(\d+)'",
  73             r'data-video-id="(\d+)"'], webpage, 'video id', default=page_id)
  74         return {
  75             '_type': 'url_transparent',
  76             'url': 'tvp:' + video_id,
  77             'description': self._og_search_description(webpage, default=None),
  78             'thumbnail': self._og_search_thumbnail(webpage),
  79             'ie_key': 'TVPEmbed',
  80         }
  81
  82
  83 class TVPEmbedIE(InfoExtractor):
  84     IE_NAME = 'tvp:embed'
  85     IE_DESC = 'Telewizja Polska'
  86     _VALID_URL = r'(?:tvp:|https?://[^/]+\.tvp\.(?:pl|info)/sess/tvplayer\.php\?.*?object_id=)(?P<id>\d+)'
  87
  88     _TESTS = [{
  89         'url': 'http://www.tvp.pl/sess/tvplayer.php?object_id=22670268',
  90         'md5': '8c9cd59d16edabf39331f93bf8a766c7',
  91         'info_dict': {
  92             'id': '22670268',
  93             'ext': 'mp4',
  94             'title': 'Panorama, 07.12.2015, 15:40',
  95         },
  96     }, {
  97         'url': 'tvp:22670268',
  98         'only_matching': True,
  99     }]
 100
 101     def _real_extract(self, url):
 102         video_id = self._match_id(url)
 103
 104         webpage = self._download_webpage(
 105             'http://www.tvp.pl/sess/tvplayer.php?object_id=%s' % video_id, video_id)
 106
 107         error_massage = get_element_by_attribute('class', 'msg error', webpage)
 108         if error_massage:
 109             raise ExtractorError('%s said: %s' % (
 110                 self.IE_NAME, clean_html(error_massage)), expected=True)
 111
 112         title = self._search_regex(
 113             r'name\s*:\s*([\'"])Title\1\s*,\s*value\s*:\s*\1(?P<title>.+?)\1',
 114             webpage, 'title', group='title')
 115         series_title = self._search_regex(
 116             r'name\s*:\s*([\'"])SeriesTitle\1\s*,\s*value\s*:\s*\1(?P<series>.+?)\1',
 117             webpage, 'series', group='series', default=None)
 118         if series_title:
 119             title = '%s, %s' % (series_title, title)
 120
 121         thumbnail = self._search_regex(
 122             r"poster\s*:\s*'([^']+)'", webpage, 'thumbnail', default=None)
 123
 124         video_url = self._search_regex(
 125             r'0:{src:([\'"])(?P<url>.*?)\1', webpage,
 126             'formats', group='url', default=None)
 127         if not video_url or 'material_niedostepny.mp4' in video_url:
 128             video_url = self._download_json(
 129                 'http://www.tvp.pl/pub/stat/videofileinfo?video_id=%s' % video_id,
 130                 video_id)['video_url']
 131
 132         formats = []
 133         video_url_base = self._search_regex(
 134             r'(https?://.+?/video)(?:\.(?:ism|f4m|m3u8)|-\d+\.mp4)',
 135             video_url, 'video base url', default=None)
 136         if video_url_base:
 137             # TODO: <Group> found instead of <AdaptationSet> in MPD manifest.
 138             # It's not mentioned in MPEG-DASH standard. Figure that out.
 139             # formats.extend(self._extract_mpd_formats(
 140             #     video_url_base + '.ism/video.mpd',
 141             #     video_id, mpd_id='dash', fatal=False))
 142             formats.extend(self._extract_ism_formats(
 143                 video_url_base + '.ism/Manifest',
 144                 video_id, 'mss', fatal=False))
 145             formats.extend(self._extract_f4m_formats(
 146                 video_url_base + '.ism/video.f4m',
 147                 video_id, f4m_id='hds', fatal=False))
 148             m3u8_formats = self._extract_m3u8_formats(
 149                 video_url_base + '.ism/video.m3u8', video_id,
 150                 'mp4', 'm3u8_native', m3u8_id='hls', fatal=False)
 151             self._sort_formats(m3u8_formats)
 152             m3u8_formats = list(filter(
 153                 lambda f: f.get('vcodec') != 'none', m3u8_formats))
 154             formats.extend(m3u8_formats)
 155             for i, m3u8_format in enumerate(m3u8_formats, 2):
 156                 http_url = '%s-%d.mp4' % (video_url_base, i)
 157                 if self._is_valid_url(http_url, video_id):
 158                     f = m3u8_format.copy()
 159                     f.update({
 160                         'url': http_url,
 161                         'format_id': f['format_id'].replace('hls', 'http'),
 162                         'protocol': 'http',
 163                     })
 164                     formats.append(f)
 165         else:
 166             formats = [{
 167                 'format_id': 'direct',
 168                 'url': video_url,
 169                 'ext': determine_ext(video_url, 'mp4'),
 170             }]
 171
 172         self._sort_formats(formats)
 173
 174         return {
 175             'id': video_id,
 176             'title': title,
 177             'thumbnail': thumbnail,
 178             'formats': formats,
 179         }
 180
 181
 182 class TVPSeriesIE(InfoExtractor):
 183     IE_NAME = 'tvp:series'
 184     _VALID_URL = r'https?://vod\.tvp\.pl/(?:[^/]+/){2}(?P<id>[^/]+)/?$'
 185
 186     _TESTS = [{
 187         'url': 'http://vod.tvp.pl/filmy-fabularne/filmy-za-darmo/ogniem-i-mieczem',
 188         'info_dict': {
 189             'title': 'Ogniem i mieczem',
 190             'id': '4278026',
 191         },
 192         'playlist_count': 4,
 193     }, {
 194         'url': 'http://vod.tvp.pl/audycje/podroze/boso-przez-swiat',
 195         'info_dict': {
 196             'title': 'Boso przez świat',
 197             'id': '9329207',
 198         },
 199         'playlist_count': 86,
 200     }]
 201
 202     def _real_extract(self, url):
 203         display_id = self._match_id(url)
 204         webpage = self._download_webpage(url, display_id, tries=5)
 205
 206         title = self._html_search_regex(
 207             r'(?s) id=[\'"]path[\'"]>(?:.*? / ){2}(.*?)</span>', webpage, 'series')
 208         playlist_id = self._search_regex(r'nodeId:\s*(\d+)', webpage, 'playlist id')
 209         playlist = self._download_webpage(
 210             'http://vod.tvp.pl/vod/seriesAjax?type=series&nodeId=%s&recommend'
 211             'edId=0&sort=&page=0&pageSize=10000' % playlist_id, display_id, tries=5,
 212             note='Downloading playlist')
 213
 214         videos_paths = re.findall(
 215             '(?s)class="shortTitle">.*?href="(/[^"]+)', playlist)
 216         entries = [
 217             self.url_result('http://vod.tvp.pl%s' % v_path, ie=TVPIE.ie_key())
 218             for v_path in videos_paths]
 219
 220         return {
 221             '_type': 'playlist',
 222             'id': playlist_id,
 223             'display_id': display_id,
 224             'title': title,
 225             'entries': entries,
 226         }