[washingtonpost] improve format extraction and add support for video pages extraction
This commit is contained in:
parent
5db9df622f
commit
4b464a6a78
|
@ -941,7 +941,10 @@ from .vube import VubeIE
|
||||||
from .vuclip import VuClipIE
|
from .vuclip import VuClipIE
|
||||||
from .vulture import VultureIE
|
from .vulture import VultureIE
|
||||||
from .walla import WallaIE
|
from .walla import WallaIE
|
||||||
from .washingtonpost import WashingtonPostIE
|
from .washingtonpost import (
|
||||||
|
WashingtonPostIE,
|
||||||
|
WashingtonPostArticleIE,
|
||||||
|
)
|
||||||
from .wat import WatIE
|
from .wat import WatIE
|
||||||
from .watchindianporn import WatchIndianPornIE
|
from .watchindianporn import WatchIndianPornIE
|
||||||
from .wdr import (
|
from .wdr import (
|
||||||
|
|
|
@ -11,7 +11,100 @@ from ..utils import (
|
||||||
|
|
||||||
|
|
||||||
class WashingtonPostIE(InfoExtractor):
|
class WashingtonPostIE(InfoExtractor):
|
||||||
_VALID_URL = r'https?://(?:www\.)?washingtonpost\.com/.*?/(?P<id>[^/]+)/(?:$|[?#])'
|
IE_NAME = 'washingtonpost'
|
||||||
|
_VALID_URL = r'(?:washingtonpost:|https?://(?:www\.)?washingtonpost\.com/video/(?:[^/]+/)*)(?P<id>[\da-f]{8}-[\da-f]{4}-[\da-f]{4}-[\da-f]{4}-[\da-f]{12})'
|
||||||
|
_TEST = {
|
||||||
|
'url': 'https://www.washingtonpost.com/video/c/video/480ba4ee-1ec7-11e6-82c2-a7dcb313287d',
|
||||||
|
'md5': '6f537e1334b714eb15f9563bd4b9cdfa',
|
||||||
|
'info_dict': {
|
||||||
|
'id': '480ba4ee-1ec7-11e6-82c2-a7dcb313287d',
|
||||||
|
'ext': 'mp4',
|
||||||
|
'title': 'Egypt finds belongings, debris from plane crash',
|
||||||
|
'description': 'md5:a17ceee432f215a5371388c1f680bd86',
|
||||||
|
'upload_date': '20160520',
|
||||||
|
'uploader': 'Reuters',
|
||||||
|
'timestamp': 1463778452,
|
||||||
|
},
|
||||||
|
}
|
||||||
|
|
||||||
|
def _real_extract(self, url):
|
||||||
|
video_id = self._match_id(url)
|
||||||
|
video_data = self._download_json(
|
||||||
|
'http://www.washingtonpost.com/posttv/c/videojson/%s?resType=jsonp' % video_id,
|
||||||
|
video_id, transform_source=strip_jsonp)[0]['contentConfig']
|
||||||
|
title = video_data['title']
|
||||||
|
|
||||||
|
urls = []
|
||||||
|
formats = []
|
||||||
|
for s in video_data.get('streams', []):
|
||||||
|
s_url = s.get('url')
|
||||||
|
if not s_url or s_url in urls:
|
||||||
|
continue
|
||||||
|
urls.append(s_url)
|
||||||
|
video_type = s.get('type')
|
||||||
|
if video_type == 'smil':
|
||||||
|
continue
|
||||||
|
elif video_type in ('ts', 'hls'):
|
||||||
|
m3u8_formats = self._extract_m3u8_formats(
|
||||||
|
s_url, video_id, 'mp4', 'm3u8_native', m3u8_id='hls', fatal=False)
|
||||||
|
for m3u8_format in m3u8_formats:
|
||||||
|
width = m3u8_format.get('width')
|
||||||
|
if not width:
|
||||||
|
continue
|
||||||
|
vbr = self._search_regex(
|
||||||
|
r'%d_%d_(\d+)' % (width, m3u8_format['height']), m3u8_format['url'], 'vbr', default=None)
|
||||||
|
if vbr:
|
||||||
|
m3u8_format.update({
|
||||||
|
'vbr': int_or_none(vbr),
|
||||||
|
})
|
||||||
|
formats.extend(m3u8_formats)
|
||||||
|
else:
|
||||||
|
width = int_or_none(s.get('width'))
|
||||||
|
vbr = int_or_none(s.get('bitrate'))
|
||||||
|
has_width = width != 0
|
||||||
|
formats.append({
|
||||||
|
'format_id': (
|
||||||
|
'%s-%d-%d' % (video_type, width, vbr)
|
||||||
|
if width
|
||||||
|
else video_type),
|
||||||
|
'vbr': vbr if has_width else None,
|
||||||
|
'width': width,
|
||||||
|
'height': int_or_none(s.get('height')),
|
||||||
|
'acodec': s.get('audioCodec'),
|
||||||
|
'vcodec': s.get('videoCodec') if has_width else 'none',
|
||||||
|
'filesize': int_or_none(s.get('fileSize')),
|
||||||
|
'url': s_url,
|
||||||
|
'ext': 'mp4',
|
||||||
|
'protocol': {
|
||||||
|
'mp4': 'http',
|
||||||
|
'ts': 'm3u8_native',
|
||||||
|
'hls': 'm3u8_native',
|
||||||
|
}.get(s.get('type')),
|
||||||
|
})
|
||||||
|
source_media_url = video_data.get('sourceMediaURL')
|
||||||
|
if source_media_url:
|
||||||
|
formats.append({
|
||||||
|
'format_id': 'source_media',
|
||||||
|
'url': source_media_url,
|
||||||
|
})
|
||||||
|
self._sort_formats(
|
||||||
|
formats, ('width', 'height', 'vbr', 'filesize', 'tbr', 'format_id'))
|
||||||
|
|
||||||
|
return {
|
||||||
|
'id': video_id,
|
||||||
|
'title': title,
|
||||||
|
'description': video_data.get('blurb'),
|
||||||
|
'uploader': video_data.get('credits', {}).get('source'),
|
||||||
|
'formats': formats,
|
||||||
|
'duration': int_or_none(video_data.get('videoDuration'), 100),
|
||||||
|
'timestamp': int_or_none(
|
||||||
|
video_data.get('dateConfig', {}).get('dateFirstPublished'), 1000),
|
||||||
|
}
|
||||||
|
|
||||||
|
|
||||||
|
class WashingtonPostArticleIE(InfoExtractor):
|
||||||
|
IE_NAME = 'washingtonpost:article'
|
||||||
|
_VALID_URL = r'https?://(?:www\.)?washingtonpost\.com/(?:[^/]+/)*(?P<id>[^/?#]+)'
|
||||||
_TESTS = [{
|
_TESTS = [{
|
||||||
'url': 'http://www.washingtonpost.com/sf/national/2014/03/22/sinkhole-of-bureaucracy/',
|
'url': 'http://www.washingtonpost.com/sf/national/2014/03/22/sinkhole-of-bureaucracy/',
|
||||||
'info_dict': {
|
'info_dict': {
|
||||||
|
@ -63,6 +156,10 @@ class WashingtonPostIE(InfoExtractor):
|
||||||
}]
|
}]
|
||||||
}]
|
}]
|
||||||
|
|
||||||
|
@classmethod
|
||||||
|
def suitable(cls, url):
|
||||||
|
return False if WashingtonPostIE.suitable(url) else super(WashingtonPostArticleIE, cls).suitable(url)
|
||||||
|
|
||||||
def _real_extract(self, url):
|
def _real_extract(self, url):
|
||||||
page_id = self._match_id(url)
|
page_id = self._match_id(url)
|
||||||
webpage = self._download_webpage(url, page_id)
|
webpage = self._download_webpage(url, page_id)
|
||||||
|
@ -74,54 +171,7 @@ class WashingtonPostIE(InfoExtractor):
|
||||||
<div\s+class="posttv-video-embed[^>]*?data-uuid=|
|
<div\s+class="posttv-video-embed[^>]*?data-uuid=|
|
||||||
data-video-uuid=
|
data-video-uuid=
|
||||||
)"([^"]+)"''', webpage)
|
)"([^"]+)"''', webpage)
|
||||||
entries = []
|
entries = [self.url_result('washingtonpost:%s' % uuid, 'WashingtonPost', uuid) for uuid in uuids]
|
||||||
for i, uuid in enumerate(uuids, start=1):
|
|
||||||
vinfo_all = self._download_json(
|
|
||||||
'http://www.washingtonpost.com/posttv/c/videojson/%s?resType=jsonp' % uuid,
|
|
||||||
page_id,
|
|
||||||
transform_source=strip_jsonp,
|
|
||||||
note='Downloading information of video %d/%d' % (i, len(uuids))
|
|
||||||
)
|
|
||||||
vinfo = vinfo_all[0]['contentConfig']
|
|
||||||
uploader = vinfo.get('credits', {}).get('source')
|
|
||||||
timestamp = int_or_none(
|
|
||||||
vinfo.get('dateConfig', {}).get('dateFirstPublished'), 1000)
|
|
||||||
|
|
||||||
formats = [{
|
|
||||||
'format_id': (
|
|
||||||
'%s-%s-%s' % (s.get('type'), s.get('width'), s.get('bitrate'))
|
|
||||||
if s.get('width')
|
|
||||||
else s.get('type')),
|
|
||||||
'vbr': s.get('bitrate') if s.get('width') != 0 else None,
|
|
||||||
'width': s.get('width'),
|
|
||||||
'height': s.get('height'),
|
|
||||||
'acodec': s.get('audioCodec'),
|
|
||||||
'vcodec': s.get('videoCodec') if s.get('width') != 0 else 'none',
|
|
||||||
'filesize': s.get('fileSize'),
|
|
||||||
'url': s.get('url'),
|
|
||||||
'ext': 'mp4',
|
|
||||||
'preference': -100 if s.get('type') == 'smil' else None,
|
|
||||||
'protocol': {
|
|
||||||
'MP4': 'http',
|
|
||||||
'F4F': 'f4m',
|
|
||||||
}.get(s.get('type')),
|
|
||||||
} for s in vinfo.get('streams', [])]
|
|
||||||
source_media_url = vinfo.get('sourceMediaURL')
|
|
||||||
if source_media_url:
|
|
||||||
formats.append({
|
|
||||||
'format_id': 'source_media',
|
|
||||||
'url': source_media_url,
|
|
||||||
})
|
|
||||||
self._sort_formats(formats)
|
|
||||||
entries.append({
|
|
||||||
'id': uuid,
|
|
||||||
'title': vinfo['title'],
|
|
||||||
'description': vinfo.get('blurb'),
|
|
||||||
'uploader': uploader,
|
|
||||||
'formats': formats,
|
|
||||||
'duration': int_or_none(vinfo.get('videoDuration'), 100),
|
|
||||||
'timestamp': timestamp,
|
|
||||||
})
|
|
||||||
|
|
||||||
return {
|
return {
|
||||||
'_type': 'playlist',
|
'_type': 'playlist',
|
||||||
|
|
Loading…
Reference in New Issue