[rai] improve extraction
This commit is contained in:
parent
fb8e402ad2
commit
06d5556dfa
2 changed files with 121 additions and 87 deletions
|
@ -528,7 +528,10 @@ from .radiode import RadioDeIE
|
||||||
from .radiojavan import RadioJavanIE
|
from .radiojavan import RadioJavanIE
|
||||||
from .radiobremen import RadioBremenIE
|
from .radiobremen import RadioBremenIE
|
||||||
from .radiofrance import RadioFranceIE
|
from .radiofrance import RadioFranceIE
|
||||||
from .rai import RaiIE
|
from .rai import (
|
||||||
|
RaiTVIE,
|
||||||
|
RaiIE,
|
||||||
|
)
|
||||||
from .rbmaradio import RBMARadioIE
|
from .rbmaradio import RBMARadioIE
|
||||||
from .rds import RDSIE
|
from .rds import RDSIE
|
||||||
from .redtube import RedTubeIE
|
from .redtube import RedTubeIE
|
||||||
|
|
|
@ -8,20 +8,24 @@ from ..compat import (
|
||||||
compat_urlparse,
|
compat_urlparse,
|
||||||
)
|
)
|
||||||
from ..utils import (
|
from ..utils import (
|
||||||
|
ExtractorError,
|
||||||
|
determine_ext,
|
||||||
parse_duration,
|
parse_duration,
|
||||||
unified_strdate,
|
unified_strdate,
|
||||||
|
int_or_none,
|
||||||
|
xpath_text,
|
||||||
)
|
)
|
||||||
|
|
||||||
|
|
||||||
class RaiIE(InfoExtractor):
|
class RaiTVIE(InfoExtractor):
|
||||||
_VALID_URL = r'(?P<url>(?P<host>http://(?:.+?\.)?(?:rai\.it|rai\.tv|rainews\.it))/dl/.+?-(?P<id>[\da-f]{8}-[\da-f]{4}-[\da-f]{4}-[\da-f]{4}-[\da-f]{12})(?:-.+?)?\.html)'
|
_VALID_URL = r'http://(?:.+?\.)?(?:rai\.it|rai\.tv|rainews\.it)/dl/(?:[^/]+/)+media/.+?-(?P<id>[\da-f]{8}-[\da-f]{4}-[\da-f]{4}-[\da-f]{4}-[\da-f]{12})(?:-.+?)?\.html'
|
||||||
_TESTS = [
|
_TESTS = [
|
||||||
{
|
{
|
||||||
'url': 'http://www.rai.tv/dl/RaiTV/programmi/media/ContentItem-cb27157f-9dd0-4aee-b788-b1f67643a391.html',
|
'url': 'http://www.rai.tv/dl/RaiTV/programmi/media/ContentItem-cb27157f-9dd0-4aee-b788-b1f67643a391.html',
|
||||||
'md5': 'c064c0b2d09c278fb293116ef5d0a32d',
|
'md5': '96382709b61dd64a6b88e0f791e6df4c',
|
||||||
'info_dict': {
|
'info_dict': {
|
||||||
'id': 'cb27157f-9dd0-4aee-b788-b1f67643a391',
|
'id': 'cb27157f-9dd0-4aee-b788-b1f67643a391',
|
||||||
'ext': 'mp4',
|
'ext': 'flv',
|
||||||
'title': 'Report del 07/04/2014',
|
'title': 'Report del 07/04/2014',
|
||||||
'description': 'md5:f27c544694cacb46a078db84ec35d2d9',
|
'description': 'md5:f27c544694cacb46a078db84ec35d2d9',
|
||||||
'upload_date': '20140407',
|
'upload_date': '20140407',
|
||||||
|
@ -30,16 +34,14 @@ class RaiIE(InfoExtractor):
|
||||||
},
|
},
|
||||||
{
|
{
|
||||||
'url': 'http://www.raisport.rai.it/dl/raiSport/media/rassegna-stampa-04a9f4bd-b563-40cf-82a6-aad3529cb4a9.html',
|
'url': 'http://www.raisport.rai.it/dl/raiSport/media/rassegna-stampa-04a9f4bd-b563-40cf-82a6-aad3529cb4a9.html',
|
||||||
'md5': '8bb9c151924ce241b74dd52ef29ceafa',
|
'md5': 'd9751b78eac9710d62c2447b224dea39',
|
||||||
'info_dict': {
|
'info_dict': {
|
||||||
'id': '04a9f4bd-b563-40cf-82a6-aad3529cb4a9',
|
'id': '04a9f4bd-b563-40cf-82a6-aad3529cb4a9',
|
||||||
'ext': 'mp4',
|
'ext': 'flv',
|
||||||
'title': 'TG PRIMO TEMPO',
|
'title': 'TG PRIMO TEMPO',
|
||||||
'description': '',
|
|
||||||
'upload_date': '20140612',
|
'upload_date': '20140612',
|
||||||
'duration': 1758,
|
'duration': 1758,
|
||||||
},
|
},
|
||||||
'skip': 'Error 404',
|
|
||||||
},
|
},
|
||||||
{
|
{
|
||||||
'url': 'http://www.rainews.it/dl/rainews/media/state-of-the-net-Antonella-La-Carpia-regole-virali-7aafdea9-0e5d-49d5-88a6-7e65da67ae13.html',
|
'url': 'http://www.rainews.it/dl/rainews/media/state-of-the-net-Antonella-La-Carpia-regole-virali-7aafdea9-0e5d-49d5-88a6-7e65da67ae13.html',
|
||||||
|
@ -55,110 +57,106 @@ class RaiIE(InfoExtractor):
|
||||||
},
|
},
|
||||||
{
|
{
|
||||||
'url': 'http://www.rai.tv/dl/RaiTV/programmi/media/ContentItem-b4a49761-e0cc-4b14-8736-2729f6f73132-tg2.html',
|
'url': 'http://www.rai.tv/dl/RaiTV/programmi/media/ContentItem-b4a49761-e0cc-4b14-8736-2729f6f73132-tg2.html',
|
||||||
'md5': '35694f062977fe6619943f08ed935730',
|
|
||||||
'info_dict': {
|
'info_dict': {
|
||||||
'id': 'b4a49761-e0cc-4b14-8736-2729f6f73132',
|
'id': 'b4a49761-e0cc-4b14-8736-2729f6f73132',
|
||||||
'ext': 'mp4',
|
'ext': 'mp4',
|
||||||
'title': 'Alluvione in Sardegna e dissesto idrogeologico',
|
'title': 'Alluvione in Sardegna e dissesto idrogeologico',
|
||||||
'description': 'Edizione delle ore 20:30 ',
|
'description': 'Edizione delle ore 20:30 ',
|
||||||
}
|
},
|
||||||
|
'skip': 'invalid urls',
|
||||||
},
|
},
|
||||||
{
|
{
|
||||||
'url': 'http://www.ilcandidato.rai.it/dl/ray/media/Il-Candidato---Primo-episodio-Le-Primarie-28e5525a-b495-45e8-a7c3-bc48ba45d2b6.html',
|
'url': 'http://www.ilcandidato.rai.it/dl/ray/media/Il-Candidato---Primo-episodio-Le-Primarie-28e5525a-b495-45e8-a7c3-bc48ba45d2b6.html',
|
||||||
'md5': '02b64456f7cc09f96ff14e7dd489017e',
|
'md5': '496ab63e420574447f70d02578333437',
|
||||||
'info_dict': {
|
'info_dict': {
|
||||||
'id': '28e5525a-b495-45e8-a7c3-bc48ba45d2b6',
|
'id': '28e5525a-b495-45e8-a7c3-bc48ba45d2b6',
|
||||||
'ext': 'flv',
|
'ext': 'flv',
|
||||||
'title': 'Il Candidato - Primo episodio: "Le Primarie"',
|
'title': 'Il Candidato - Primo episodio: "Le Primarie"',
|
||||||
'description': 'Primo appuntamento con "Il candidato" con Filippo Timi, alias Piero Zucca presidente!',
|
'description': 'md5:364b604f7db50594678f483353164fb8',
|
||||||
'uploader': 'RaiTre',
|
'upload_date': '20140923',
|
||||||
|
'duration': 386,
|
||||||
}
|
}
|
||||||
},
|
},
|
||||||
{
|
|
||||||
'url': 'http://www.report.rai.it/dl/Report/puntata/ContentItem-0c7a664b-d0f4-4b2c-8835-3f82e46f433e.html',
|
|
||||||
'md5': '037104d2c14132887e5e4cf114569214',
|
|
||||||
'info_dict': {
|
|
||||||
'id': '0c7a664b-d0f4-4b2c-8835-3f82e46f433e',
|
|
||||||
'ext': 'flv',
|
|
||||||
'title': 'Il pacco',
|
|
||||||
'description': 'md5:4b1afae1364115ce5d78ed83cd2e5b3a',
|
|
||||||
'uploader': 'RaiTre',
|
|
||||||
'upload_date': '20141221',
|
|
||||||
},
|
|
||||||
}
|
|
||||||
]
|
]
|
||||||
|
|
||||||
def _extract_relinker_url(self, webpage):
|
|
||||||
return self._proto_relative_url(self._search_regex(
|
|
||||||
[r'name="videourl" content="([^"]+)"', r'var\s+videoURL(?:_MP4)?\s*=\s*"([^"]+)"'],
|
|
||||||
webpage, 'relinker url', default=None))
|
|
||||||
|
|
||||||
def _real_extract(self, url):
|
def _real_extract(self, url):
|
||||||
mobj = re.match(self._VALID_URL, url)
|
video_id = self._match_id(url)
|
||||||
video_id = mobj.group('id')
|
|
||||||
host = mobj.group('host')
|
|
||||||
|
|
||||||
webpage = self._download_webpage(url, video_id)
|
|
||||||
|
|
||||||
relinker_url = self._extract_relinker_url(webpage)
|
|
||||||
|
|
||||||
if not relinker_url:
|
|
||||||
iframe_url = self._search_regex(
|
|
||||||
[r'<iframe[^>]+src="([^"]*/dl/[^"]+\?iframe\b[^"]*)"',
|
|
||||||
r'drawMediaRaiTV\(["\'](.+?)["\']'],
|
|
||||||
webpage, 'iframe')
|
|
||||||
if not iframe_url.startswith('http'):
|
|
||||||
iframe_url = compat_urlparse.urljoin(url, iframe_url)
|
|
||||||
webpage = self._download_webpage(
|
|
||||||
iframe_url, video_id)
|
|
||||||
relinker_url = self._extract_relinker_url(webpage)
|
|
||||||
|
|
||||||
relinker = self._download_json(
|
|
||||||
'%s&output=47' % relinker_url, video_id)
|
|
||||||
|
|
||||||
media_url = relinker['video'][0]
|
|
||||||
ct = relinker.get('ct')
|
|
||||||
if ct == 'f4m':
|
|
||||||
formats = self._extract_f4m_formats(
|
|
||||||
media_url + '&hdcore=3.7.0&plugin=aasp-3.7.0.39.44', video_id)
|
|
||||||
else:
|
|
||||||
formats = [{
|
|
||||||
'url': media_url,
|
|
||||||
'format_id': ct,
|
|
||||||
}]
|
|
||||||
|
|
||||||
json_link = self._html_search_meta(
|
|
||||||
'jsonlink', webpage, 'JSON link', default=None)
|
|
||||||
if json_link:
|
|
||||||
media = self._download_json(
|
media = self._download_json(
|
||||||
host + json_link, video_id, 'Downloading video JSON')
|
'http://www.rai.tv/dl/RaiTV/programmi/media/ContentItem-%s.html?json' % video_id,
|
||||||
title = media.get('name')
|
video_id, 'Downloading video JSON')
|
||||||
description = media.get('desc')
|
|
||||||
thumbnail = media.get('image_300') or media.get('image_medium') or media.get('image')
|
|
||||||
duration = parse_duration(media.get('length'))
|
|
||||||
uploader = media.get('author')
|
|
||||||
upload_date = unified_strdate(media.get('date'))
|
|
||||||
else:
|
|
||||||
title = (self._search_regex(
|
|
||||||
r'var\s+videoTitolo\s*=\s*"(.+?)";',
|
|
||||||
webpage, 'title', default=None) or self._og_search_title(webpage)).replace('\\"', '"')
|
|
||||||
description = self._og_search_description(webpage)
|
|
||||||
thumbnail = self._og_search_thumbnail(webpage)
|
|
||||||
duration = None
|
|
||||||
uploader = self._html_search_meta('Editore', webpage, 'uploader')
|
|
||||||
upload_date = unified_strdate(self._html_search_meta(
|
|
||||||
'item-date', webpage, 'upload date', default=None))
|
|
||||||
|
|
||||||
subtitles = self.extract_subtitles(video_id, webpage)
|
thumbnails = []
|
||||||
|
for image_type in ('image', 'image_medium', 'image_300'):
|
||||||
|
thumbnail_url = media.get(image_type)
|
||||||
|
if thumbnail_url:
|
||||||
|
thumbnails.append({
|
||||||
|
'url': thumbnail_url,
|
||||||
|
})
|
||||||
|
|
||||||
|
subtitles = []
|
||||||
|
formats = []
|
||||||
|
media_type = media['type']
|
||||||
|
if 'Audio' in media_type:
|
||||||
|
formats.append({
|
||||||
|
'format_id': media.get('formatoAudio'),
|
||||||
|
'url': media['audioUrl'],
|
||||||
|
'ext': media.get('formatoAudio'),
|
||||||
|
})
|
||||||
|
elif 'Video' in media_type:
|
||||||
|
def fix_xml(xml):
|
||||||
|
return xml.replace(' tag elementi', '').replace('>/', '</')
|
||||||
|
|
||||||
|
relinker = self._download_xml(
|
||||||
|
media['mediaUri'] + '&output=43', video_id, transform_source=fix_xml)
|
||||||
|
|
||||||
|
has_subtitle = False
|
||||||
|
|
||||||
|
for element in relinker.findall('element'):
|
||||||
|
media_url = xpath_text(element, 'url')
|
||||||
|
ext = determine_ext(media_url)
|
||||||
|
content_type = xpath_text(element, 'content-type')
|
||||||
|
if ext == 'm3u8':
|
||||||
|
m3u8_formats = self._extract_m3u8_formats(
|
||||||
|
media_url, video_id, 'mp4', 'm3u8_native', m3u8_id='hls',
|
||||||
|
fatal=None)
|
||||||
|
if m3u8_formats:
|
||||||
|
formats.extend(m3u8_formats)
|
||||||
|
elif ext == 'f4m':
|
||||||
|
f4m_formats = self._extract_f4m_formats(
|
||||||
|
media_url + '?hdcore=3.7.0&plugin=aasp-3.7.0.39.44',
|
||||||
|
video_id, f4m_id='hds', fatal=None)
|
||||||
|
if f4m_formats:
|
||||||
|
formats.extend(f4m_formats)
|
||||||
|
elif ext == 'stl':
|
||||||
|
has_subtitle = True
|
||||||
|
elif content_type.startswith('video/'):
|
||||||
|
bitrate = int_or_none(xpath_text(element, 'bitrate'))
|
||||||
|
formats.append({
|
||||||
|
'url': media_url,
|
||||||
|
'tbr': bitrate if bitrate > 0 else None,
|
||||||
|
'format_id': 'http-%d' % bitrate if bitrate > 0 else 'http',
|
||||||
|
})
|
||||||
|
elif content_type.startswith('image/'):
|
||||||
|
thumbnails.append({
|
||||||
|
'url': media_url,
|
||||||
|
})
|
||||||
|
|
||||||
|
self._sort_formats(formats)
|
||||||
|
|
||||||
|
if has_subtitle:
|
||||||
|
webpage = self._download_webpage(url, video_id)
|
||||||
|
subtitles = self._get_subtitles(video_id, webpage)
|
||||||
|
else:
|
||||||
|
raise ExtractorError('not a media file')
|
||||||
|
|
||||||
return {
|
return {
|
||||||
'id': video_id,
|
'id': video_id,
|
||||||
'title': title,
|
'title': media['name'],
|
||||||
'description': description,
|
'description': media.get('desc'),
|
||||||
'thumbnail': thumbnail,
|
'thumbnails': thumbnails,
|
||||||
'uploader': uploader,
|
'uploader': media.get('author'),
|
||||||
'upload_date': upload_date,
|
'upload_date': unified_strdate(media.get('date')),
|
||||||
'duration': duration,
|
'duration': parse_duration(media.get('length')),
|
||||||
'formats': formats,
|
'formats': formats,
|
||||||
'subtitles': subtitles,
|
'subtitles': subtitles,
|
||||||
}
|
}
|
||||||
|
@ -177,3 +175,36 @@ class RaiIE(InfoExtractor):
|
||||||
'url': 'http://www.rai.tv%s' % compat_urllib_parse.quote(captions),
|
'url': 'http://www.rai.tv%s' % compat_urllib_parse.quote(captions),
|
||||||
}]
|
}]
|
||||||
return subtitles
|
return subtitles
|
||||||
|
|
||||||
|
|
||||||
|
class RaiIE(InfoExtractor):
|
||||||
|
_VALID_URL = r'http://(?:.+?\.)?(?:rai\.it|rai\.tv|rainews\.it)/dl/.+?-(?P<id>[\da-f]{8}-[\da-f]{4}-[\da-f]{4}-[\da-f]{4}-[\da-f]{12})(?:-.+?)?\.html'
|
||||||
|
_TESTS = [
|
||||||
|
{
|
||||||
|
'url': 'http://www.report.rai.it/dl/Report/puntata/ContentItem-0c7a664b-d0f4-4b2c-8835-3f82e46f433e.html',
|
||||||
|
'md5': 'e0e7a8a131e249d1aa0ebf270d1d8db7',
|
||||||
|
'info_dict': {
|
||||||
|
'id': '59d69d28-6bb6-409d-a4b5-ed44096560af',
|
||||||
|
'ext': 'flv',
|
||||||
|
'title': 'Il pacco',
|
||||||
|
'description': 'md5:4b1afae1364115ce5d78ed83cd2e5b3a',
|
||||||
|
'upload_date': '20141221',
|
||||||
|
},
|
||||||
|
}
|
||||||
|
]
|
||||||
|
|
||||||
|
@classmethod
|
||||||
|
def suitable(cls, url):
|
||||||
|
return False if RaiTVIE.suitable(url) else super(RaiIE, cls).suitable(url)
|
||||||
|
|
||||||
|
def _real_extract(self, url):
|
||||||
|
video_id = self._match_id(url)
|
||||||
|
webpage = self._download_webpage(url, video_id)
|
||||||
|
|
||||||
|
iframe_url = self._search_regex(
|
||||||
|
[r'<iframe[^>]+src="([^"]*/dl/[^"]+\?iframe\b[^"]*)"',
|
||||||
|
r'drawMediaRaiTV\(["\'](.+?)["\']'],
|
||||||
|
webpage, 'iframe')
|
||||||
|
if not iframe_url.startswith('http'):
|
||||||
|
iframe_url = compat_urlparse.urljoin(url, iframe_url)
|
||||||
|
return self.url_result(iframe_url)
|
||||||
|
|
Loading…
Reference in a new issue