[telecinco] fix info extraction
This commit is contained in:
parent
34bc2d9dfd
commit
47335a0efa
2 changed files with 91 additions and 109 deletions
|
@ -12,12 +12,69 @@ from ..utils import (
|
||||||
get_element_by_attribute,
|
get_element_by_attribute,
|
||||||
int_or_none,
|
int_or_none,
|
||||||
remove_start,
|
remove_start,
|
||||||
|
extract_attributes,
|
||||||
|
determine_ext,
|
||||||
)
|
)
|
||||||
|
|
||||||
|
|
||||||
class MiTeleIE(InfoExtractor):
|
class MiTeleBaseIE(InfoExtractor):
|
||||||
|
def _get_player_info(self, url, webpage):
|
||||||
|
player_data = extract_attributes(self._search_regex(
|
||||||
|
r'(?s)(<ms-video-player.+?</ms-video-player>)',
|
||||||
|
webpage, 'ms video player'))
|
||||||
|
video_id = player_data['data-media-id']
|
||||||
|
config_url = compat_urlparse.urljoin(url, player_data['data-config'])
|
||||||
|
config = self._download_json(
|
||||||
|
config_url, video_id, 'Downloading config JSON')
|
||||||
|
mmc_url = config['services']['mmc']
|
||||||
|
|
||||||
|
duration = None
|
||||||
|
formats = []
|
||||||
|
for m_url in (mmc_url, mmc_url.replace('/flash.json', '/html5.json')):
|
||||||
|
mmc = self._download_json(
|
||||||
|
m_url, video_id, 'Downloading mmc JSON')
|
||||||
|
if not duration:
|
||||||
|
duration = int_or_none(mmc.get('duration'))
|
||||||
|
for location in mmc['locations']:
|
||||||
|
gat = self._proto_relative_url(location.get('gat'), 'http:')
|
||||||
|
bas = location.get('bas')
|
||||||
|
loc = location.get('loc')
|
||||||
|
ogn = location.get('ogn')
|
||||||
|
if None in (gat, bas, loc, ogn):
|
||||||
|
continue
|
||||||
|
token_data = {
|
||||||
|
'bas': bas,
|
||||||
|
'icd': loc,
|
||||||
|
'ogn': ogn,
|
||||||
|
'sta': '0',
|
||||||
|
}
|
||||||
|
media = self._download_json(
|
||||||
|
'%s/?%s' % (gat, compat_urllib_parse_urlencode(token_data)),
|
||||||
|
video_id, 'Downloading %s JSON' % location['loc'])
|
||||||
|
file_ = media.get('file')
|
||||||
|
if not file_:
|
||||||
|
continue
|
||||||
|
ext = determine_ext(file_)
|
||||||
|
if ext == 'f4m':
|
||||||
|
formats.extend(self._extract_f4m_formats(
|
||||||
|
file_ + '&hdcore=3.2.0&plugin=aasp-3.2.0.77.18',
|
||||||
|
video_id, f4m_id='hds', fatal=False))
|
||||||
|
elif ext == 'm3u8':
|
||||||
|
formats.extend(self._extract_m3u8_formats(
|
||||||
|
file_, video_id, 'mp4', 'm3u8_native', m3u8_id='hls', fatal=False))
|
||||||
|
self._sort_formats(formats)
|
||||||
|
|
||||||
|
return {
|
||||||
|
'id': video_id,
|
||||||
|
'formats': formats,
|
||||||
|
'thumbnail': player_data.get('data-poster') or config.get('poster', {}).get('imageUrl'),
|
||||||
|
'duration': duration,
|
||||||
|
}
|
||||||
|
|
||||||
|
|
||||||
|
class MiTeleIE(MiTeleBaseIE):
|
||||||
IE_DESC = 'mitele.es'
|
IE_DESC = 'mitele.es'
|
||||||
_VALID_URL = r'https?://www\.mitele\.es/[^/]+/[^/]+/[^/]+/(?P<id>[^/]+)/'
|
_VALID_URL = r'https?://www\.mitele\.es/(?:[^/]+/){3}(?P<id>[^/]+)/'
|
||||||
|
|
||||||
_TESTS = [{
|
_TESTS = [{
|
||||||
'url': 'http://www.mitele.es/programas-tv/diario-de/la-redaccion/programa-144/',
|
'url': 'http://www.mitele.es/programas-tv/diario-de/la-redaccion/programa-144/',
|
||||||
|
@ -25,7 +82,7 @@ class MiTeleIE(InfoExtractor):
|
||||||
'info_dict': {
|
'info_dict': {
|
||||||
'id': '0NF1jJnxS1Wu3pHrmvFyw2',
|
'id': '0NF1jJnxS1Wu3pHrmvFyw2',
|
||||||
'display_id': 'programa-144',
|
'display_id': 'programa-144',
|
||||||
'ext': 'flv',
|
'ext': 'mp4',
|
||||||
'title': 'Tor, la web invisible',
|
'title': 'Tor, la web invisible',
|
||||||
'description': 'md5:3b6fce7eaa41b2d97358726378d9369f',
|
'description': 'md5:3b6fce7eaa41b2d97358726378d9369f',
|
||||||
'series': 'Diario de',
|
'series': 'Diario de',
|
||||||
|
@ -40,7 +97,7 @@ class MiTeleIE(InfoExtractor):
|
||||||
'info_dict': {
|
'info_dict': {
|
||||||
'id': 'eLZSwoEd1S3pVyUm8lc6F',
|
'id': 'eLZSwoEd1S3pVyUm8lc6F',
|
||||||
'display_id': 'programa-226',
|
'display_id': 'programa-226',
|
||||||
'ext': 'flv',
|
'ext': 'mp4',
|
||||||
'title': 'Cuarto Milenio - Temporada 6 - Programa 226',
|
'title': 'Cuarto Milenio - Temporada 6 - Programa 226',
|
||||||
'description': 'md5:50daf9fadefa4e62d9fc866d0c015701',
|
'description': 'md5:50daf9fadefa4e62d9fc866d0c015701',
|
||||||
'series': 'Cuarto Milenio',
|
'series': 'Cuarto Milenio',
|
||||||
|
@ -59,40 +116,7 @@ class MiTeleIE(InfoExtractor):
|
||||||
|
|
||||||
webpage = self._download_webpage(url, display_id)
|
webpage = self._download_webpage(url, display_id)
|
||||||
|
|
||||||
config_url = self._search_regex(
|
info = self._get_player_info(url, webpage)
|
||||||
r'data-config\s*=\s*"([^"]+)"', webpage, 'data config url')
|
|
||||||
config_url = compat_urlparse.urljoin(url, config_url)
|
|
||||||
|
|
||||||
config = self._download_json(
|
|
||||||
config_url, display_id, 'Downloading config JSON')
|
|
||||||
|
|
||||||
mmc = self._download_json(
|
|
||||||
config['services']['mmc'], display_id, 'Downloading mmc JSON')
|
|
||||||
|
|
||||||
formats = []
|
|
||||||
for location in mmc['locations']:
|
|
||||||
gat = self._proto_relative_url(location.get('gat'), 'http:')
|
|
||||||
bas = location.get('bas')
|
|
||||||
loc = location.get('loc')
|
|
||||||
ogn = location.get('ogn')
|
|
||||||
if None in (gat, bas, loc, ogn):
|
|
||||||
continue
|
|
||||||
token_data = {
|
|
||||||
'bas': bas,
|
|
||||||
'icd': loc,
|
|
||||||
'ogn': ogn,
|
|
||||||
'sta': '0',
|
|
||||||
}
|
|
||||||
media = self._download_json(
|
|
||||||
'%s/?%s' % (gat, compat_urllib_parse_urlencode(token_data)),
|
|
||||||
display_id, 'Downloading %s JSON' % location['loc'])
|
|
||||||
file_ = media.get('file')
|
|
||||||
if not file_:
|
|
||||||
continue
|
|
||||||
formats.extend(self._extract_f4m_formats(
|
|
||||||
file_ + '&hdcore=3.2.0&plugin=aasp-3.2.0.77.18',
|
|
||||||
display_id, f4m_id=loc))
|
|
||||||
self._sort_formats(formats)
|
|
||||||
|
|
||||||
title = self._search_regex(
|
title = self._search_regex(
|
||||||
r'class="Destacado-text"[^>]*>\s*<strong>([^<]+)</strong>',
|
r'class="Destacado-text"[^>]*>\s*<strong>([^<]+)</strong>',
|
||||||
|
@ -112,21 +136,12 @@ class MiTeleIE(InfoExtractor):
|
||||||
title = remove_start(self._search_regex(
|
title = remove_start(self._search_regex(
|
||||||
r'<title>([^<]+)</title>', webpage, 'title'), 'Ver online ')
|
r'<title>([^<]+)</title>', webpage, 'title'), 'Ver online ')
|
||||||
|
|
||||||
video_id = self._search_regex(
|
info.update({
|
||||||
r'data-media-id\s*=\s*"([^"]+)"', webpage,
|
|
||||||
'data media id', default=None) or display_id
|
|
||||||
thumbnail = config.get('poster', {}).get('imageUrl')
|
|
||||||
duration = int_or_none(mmc.get('duration'))
|
|
||||||
|
|
||||||
return {
|
|
||||||
'id': video_id,
|
|
||||||
'display_id': display_id,
|
'display_id': display_id,
|
||||||
'title': title,
|
'title': title,
|
||||||
'description': get_element_by_attribute('class', 'text', webpage),
|
'description': get_element_by_attribute('class', 'text', webpage),
|
||||||
'series': series,
|
'series': series,
|
||||||
'season': season,
|
'season': season,
|
||||||
'episode': episode,
|
'episode': episode,
|
||||||
'thumbnail': thumbnail,
|
})
|
||||||
'duration': duration,
|
return info
|
||||||
'formats': formats,
|
|
||||||
}
|
|
||||||
|
|
|
@ -1,50 +1,41 @@
|
||||||
# coding: utf-8
|
# coding: utf-8
|
||||||
from __future__ import unicode_literals
|
from __future__ import unicode_literals
|
||||||
|
|
||||||
import json
|
from .mitele import MiTeleBaseIE
|
||||||
|
|
||||||
from .common import InfoExtractor
|
|
||||||
from ..compat import (
|
|
||||||
compat_urllib_parse_unquote,
|
|
||||||
compat_urllib_parse_urlencode,
|
|
||||||
compat_urlparse,
|
|
||||||
)
|
|
||||||
from ..utils import (
|
|
||||||
get_element_by_attribute,
|
|
||||||
parse_duration,
|
|
||||||
strip_jsonp,
|
|
||||||
)
|
|
||||||
|
|
||||||
|
|
||||||
class TelecincoIE(InfoExtractor):
|
class TelecincoIE(MiTeleBaseIE):
|
||||||
IE_DESC = 'telecinco.es, cuatro.com and mediaset.es'
|
IE_DESC = 'telecinco.es, cuatro.com and mediaset.es'
|
||||||
_VALID_URL = r'https?://www\.(?:telecinco\.es|cuatro\.com|mediaset\.es)/(?:[^/]+/)+(?P<id>.+?)\.html'
|
_VALID_URL = r'https?://www\.(?:telecinco\.es|cuatro\.com|mediaset\.es)/(?:[^/]+/)+(?P<id>.+?)\.html'
|
||||||
|
|
||||||
_TESTS = [{
|
_TESTS = [{
|
||||||
'url': 'http://www.telecinco.es/robinfood/temporada-01/t01xp14/Bacalao-cocochas-pil-pil_0_1876350223.html',
|
'url': 'http://www.telecinco.es/robinfood/temporada-01/t01xp14/Bacalao-cocochas-pil-pil_0_1876350223.html',
|
||||||
'md5': '5cbef3ad5ef17bf0d21570332d140729',
|
'md5': '8d7b2d5f699ee2709d992a63d5cd1712',
|
||||||
'info_dict': {
|
'info_dict': {
|
||||||
'id': 'MDSVID20141015_0058',
|
'id': 'JEA5ijCnF6p5W08A1rNKn7',
|
||||||
'ext': 'mp4',
|
'ext': 'mp4',
|
||||||
'title': 'Con Martín Berasategui, hacer un bacalao al ...',
|
'title': 'Bacalao con kokotxas al pil-pil',
|
||||||
|
'description': 'md5:1382dacd32dd4592d478cbdca458e5bb',
|
||||||
'duration': 662,
|
'duration': 662,
|
||||||
},
|
},
|
||||||
}, {
|
}, {
|
||||||
'url': 'http://www.cuatro.com/deportes/futbol/barcelona/Leo_Messi-Champions-Roma_2_2052780128.html',
|
'url': 'http://www.cuatro.com/deportes/futbol/barcelona/Leo_Messi-Champions-Roma_2_2052780128.html',
|
||||||
'md5': '0a5b9f3cc8b074f50a0578f823a12694',
|
'md5': '284393e5387b3b947b77c613ef04749a',
|
||||||
'info_dict': {
|
'info_dict': {
|
||||||
'id': 'MDSVID20150916_0128',
|
'id': 'jn24Od1zGLG4XUZcnUnZB6',
|
||||||
'ext': 'mp4',
|
'ext': 'mp4',
|
||||||
'title': '¿Quién es este ex futbolista con el que hablan ...',
|
'title': '¿Quién es este ex futbolista con el que hablan Leo Messi y Luis Suárez?',
|
||||||
|
'description': 'md5:a62ecb5f1934fc787107d7b9a2262805',
|
||||||
'duration': 79,
|
'duration': 79,
|
||||||
},
|
},
|
||||||
}, {
|
}, {
|
||||||
'url': 'http://www.mediaset.es/12meses/campanas/doylacara/conlatratanohaytrato/Ayudame-dar-cara-trata-trato_2_1986630220.html',
|
'url': 'http://www.mediaset.es/12meses/campanas/doylacara/conlatratanohaytrato/Ayudame-dar-cara-trata-trato_2_1986630220.html',
|
||||||
'md5': 'ad1bfaaba922dd4a295724b05b68f86a',
|
'md5': '749afab6ea5a136a8806855166ae46a2',
|
||||||
'info_dict': {
|
'info_dict': {
|
||||||
'id': 'MDSVID20150513_0220',
|
'id': 'aywerkD2Sv1vGNqq9b85Q2',
|
||||||
'ext': 'mp4',
|
'ext': 'mp4',
|
||||||
'title': '#DOYLACARA. Con la trata no hay trato',
|
'title': '#DOYLACARA. Con la trata no hay trato',
|
||||||
|
'description': 'md5:2771356ff7bfad9179c5f5cd954f1477',
|
||||||
'duration': 50,
|
'duration': 50,
|
||||||
},
|
},
|
||||||
}, {
|
}, {
|
||||||
|
@ -56,40 +47,16 @@ class TelecincoIE(InfoExtractor):
|
||||||
}]
|
}]
|
||||||
|
|
||||||
def _real_extract(self, url):
|
def _real_extract(self, url):
|
||||||
episode = self._match_id(url)
|
display_id = self._match_id(url)
|
||||||
webpage = self._download_webpage(url, episode)
|
webpage = self._download_webpage(url, display_id)
|
||||||
embed_data_json = self._search_regex(
|
title = self._html_search_meta(
|
||||||
r'(?s)MSV\.embedData\[.*?\]\s*=\s*({.*?});', webpage, 'embed data',
|
['og:title', 'twitter:title'], webpage, 'title')
|
||||||
).replace('\'', '"')
|
info = self._get_player_info(url, webpage)
|
||||||
embed_data = json.loads(embed_data_json)
|
info.update({
|
||||||
|
'display_id': display_id,
|
||||||
domain = embed_data['mediaUrl']
|
'title': title,
|
||||||
if not domain.startswith('http'):
|
'description': self._html_search_meta(
|
||||||
# only happens in telecinco.es videos
|
['og:description', 'twitter:description'],
|
||||||
domain = 'http://' + domain
|
webpage, 'title', fatal=False),
|
||||||
info_url = compat_urlparse.urljoin(
|
})
|
||||||
domain,
|
return info
|
||||||
compat_urllib_parse_unquote(embed_data['flashvars']['host'])
|
|
||||||
)
|
|
||||||
info_el = self._download_xml(info_url, episode).find('./video/info')
|
|
||||||
|
|
||||||
video_link = info_el.find('videoUrl/link').text
|
|
||||||
token_query = compat_urllib_parse_urlencode({'id': video_link})
|
|
||||||
token_info = self._download_json(
|
|
||||||
embed_data['flashvars']['ov_tk'] + '?' + token_query,
|
|
||||||
episode,
|
|
||||||
transform_source=strip_jsonp
|
|
||||||
)
|
|
||||||
formats = self._extract_m3u8_formats(
|
|
||||||
token_info['tokenizedUrl'], episode, ext='mp4', entry_protocol='m3u8_native')
|
|
||||||
self._sort_formats(formats)
|
|
||||||
|
|
||||||
return {
|
|
||||||
'id': embed_data['videoId'],
|
|
||||||
'display_id': episode,
|
|
||||||
'title': info_el.find('title').text,
|
|
||||||
'formats': formats,
|
|
||||||
'description': get_element_by_attribute('class', 'text', webpage),
|
|
||||||
'thumbnail': info_el.find('thumb').text,
|
|
||||||
'duration': parse_duration(info_el.find('duration').text),
|
|
||||||
}
|
|
||||||
|
|
Loading…
Reference in a new issue