[nrk] Rework extractor (Closes #9470)
This commit is contained in:
Sergey M․
parent
0df79d552a
commit
d8d540cf0d
|
|
@ -4,24 +4,122 @@ from __future__ import unicode_literals
|
||||||
import re
|
import re
|
||||||
|
|
||||||
from .common import InfoExtractor
|
from .common import InfoExtractor
|
||||||
from ..compat import (
|
from ..compat import compat_urllib_parse_unquote
|
||||||
compat_urlparse,
|
|
||||||
compat_urllib_parse_unquote,
|
|
||||||
)
|
|
||||||
from ..utils import (
|
from ..utils import (
|
||||||
determine_ext,
|
|
||||||
ExtractorError,
|
ExtractorError,
|
||||||
float_or_none,
|
int_or_none,
|
||||||
|
parse_age_limit,
|
||||||
parse_duration,
|
parse_duration,
|
||||||
unified_strdate,
|
|
||||||
)
|
)
|
||||||
|
|
||||||
|
|
||||||
class NRKIE(InfoExtractor):
|
class NRKBaseIE(InfoExtractor):
|
||||||
_VALID_URL = r'(?:nrk:|https?://(?:www\.)?nrk\.no/video/PS\*)(?P<id>\d+)'
|
def _extract_formats(self, manifest_url, video_id, fatal=True):
|
||||||
|
return self._extract_f4m_formats(
|
||||||
|
manifest_url + '?hdcore=3.5.0&plugin=aasp-3.5.0.151.81',
|
||||||
|
video_id, f4m_id='hds', fatal=fatal)
|
||||||
|
|
||||||
_TESTS = [
|
def _real_extract(self, url):
|
||||||
{
|
video_id = self._match_id(url)
|
||||||
|
|
||||||
|
data = self._download_json(
|
||||||
|
'http://%s/mediaelement/%s' % (self._API_HOST, video_id),
|
||||||
|
video_id, 'Downloading mediaelement JSON')
|
||||||
|
|
||||||
|
title = data.get('fullTitle') or data.get('mainTitle') or data['title']
|
||||||
|
video_id = data.get('id') or video_id
|
||||||
|
|
||||||
|
entries = []
|
||||||
|
|
||||||
|
media_assets = data.get('mediaAssets')
|
||||||
|
if media_assets and isinstance(media_assets, list):
|
||||||
|
def video_id_and_title(idx):
|
||||||
|
return ((video_id, title) if len(media_assets) == 1
|
||||||
|
else ('%s-%d' % (video_id, idx), '%s (Part %d)' % (title, idx)))
|
||||||
|
for num, asset in enumerate(media_assets, 1):
|
||||||
|
asset_url = asset.get('url')
|
||||||
|
if not asset_url:
|
||||||
|
continue
|
||||||
|
formats = self._extract_formats(asset_url, video_id, fatal=False)
|
||||||
|
if not formats:
|
||||||
|
continue
|
||||||
|
self._sort_formats(formats)
|
||||||
|
entry_id, entry_title = video_id_and_title(num)
|
||||||
|
duration = parse_duration(asset.get('duration'))
|
||||||
|
subtitles = {}
|
||||||
|
for subtitle in ('webVtt', 'timedText'):
|
||||||
|
subtitle_url = asset.get('%sSubtitlesUrl' % subtitle)
|
||||||
|
if subtitle_url:
|
||||||
|
subtitles.setdefault('no', []).append({'url': subtitle_url})
|
||||||
|
entries.append({
|
||||||
|
'id': asset.get('carrierId') or entry_id,
|
||||||
|
'title': entry_title,
|
||||||
|
'duration': duration,
|
||||||
|
'subtitles': subtitles,
|
||||||
|
'formats': formats,
|
||||||
|
})
|
||||||
|
|
||||||
|
if not entries:
|
||||||
|
media_url = data.get('mediaUrl')
|
||||||
|
if media_url:
|
||||||
|
formats = self._extract_formats(media_url, video_id)
|
||||||
|
self._sort_formats(formats)
|
||||||
|
duration = parse_duration(data.get('duration'))
|
||||||
|
entries = [{
|
||||||
|
'id': video_id,
|
||||||
|
'title': title,
|
||||||
|
'duration': duration,
|
||||||
|
'formats': formats,
|
||||||
|
}]
|
||||||
|
|
||||||
|
if not entries:
|
||||||
|
if data.get('usageRights', {}).get('isGeoBlocked'):
|
||||||
|
raise ExtractorError(
|
||||||
|
'NRK har ikke rettigheter til å vise dette programmet utenfor Norge',
|
||||||
|
expected=True)
|
||||||
|
|
||||||
|
conviva = data.get('convivaStatistics') or {}
|
||||||
|
series = conviva.get('seriesName') or data.get('seriesTitle')
|
||||||
|
episode = conviva.get('episodeName') or data.get('episodeNumberOrDate')
|
||||||
|
|
||||||
|
thumbnails = None
|
||||||
|
images = data.get('images')
|
||||||
|
if images and isinstance(images, dict):
|
||||||
|
web_images = images.get('webImages')
|
||||||
|
if isinstance(web_images, list):
|
||||||
|
thumbnails = [{
|
||||||
|
'url': image['imageUrl'],
|
||||||
|
'width': int_or_none(image.get('width')),
|
||||||
|
'height': int_or_none(image.get('height')),
|
||||||
|
} for image in web_images if image.get('imageUrl')]
|
||||||
|
|
||||||
|
description = data.get('description')
|
||||||
|
|
||||||
|
common_info = {
|
||||||
|
'description': description,
|
||||||
|
'series': series,
|
||||||
|
'episode': episode,
|
||||||
|
'age_limit': parse_age_limit(data.get('legalAge')),
|
||||||
|
'thumbnails': thumbnails,
|
||||||
|
}
|
||||||
|
|
||||||
|
vcodec = 'none' if data.get('mediaType') == 'Audio' else None
|
||||||
|
|
||||||
|
# TODO: extract chapters when https://github.com/rg3/youtube-dl/pull/9409 is merged
|
||||||
|
|
||||||
|
for entry in entries:
|
||||||
|
entry.update(common_info)
|
||||||
|
for f in entry['formats']:
|
||||||
|
f['vcodec'] = vcodec
|
||||||
|
|
||||||
|
return self.playlist_result(entries, video_id, title, description)
|
||||||
|
|
||||||
|
|
||||||
|
class NRKIE(NRKBaseIE):
|
||||||
|
_VALID_URL = r'(?:nrk:|https?://(?:www\.)?nrk\.no/video/PS\*)(?P<id>\d+)'
|
||||||
|
_API_HOST = 'v8.psapi.nrk.no'
|
||||||
|
_TESTS = [{
|
||||||
|
# video
|
||||||
'url': 'http://www.nrk.no/video/PS*150533',
|
'url': 'http://www.nrk.no/video/PS*150533',
|
||||||
# MD5 is unstable
|
# MD5 is unstable
|
||||||
'info_dict': {
|
'info_dict': {
|
||||||
|
|
@ -31,8 +129,8 @@ class NRKIE(InfoExtractor):
|
||||||
'description': 'md5:d9261ba34c43b61c812cb6b0269a5c8f',
|
'description': 'md5:d9261ba34c43b61c812cb6b0269a5c8f',
|
||||||
'duration': 263,
|
'duration': 263,
|
||||||
}
|
}
|
||||||
},
|
}, {
|
||||||
{
|
# audio
|
||||||
'url': 'http://www.nrk.no/video/PS*154915',
|
'url': 'http://www.nrk.no/video/PS*154915',
|
||||||
# MD5 is unstable
|
# MD5 is unstable
|
||||||
'info_dict': {
|
'info_dict': {
|
||||||
|
|
@ -42,52 +140,87 @@ class NRKIE(InfoExtractor):
|
||||||
'description': 'md5:a621f5cc1bd75c8d5104cb048c6b8568',
|
'description': 'md5:a621f5cc1bd75c8d5104cb048c6b8568',
|
||||||
'duration': 20,
|
'duration': 20,
|
||||||
}
|
}
|
||||||
},
|
|
||||||
]
|
|
||||||
|
|
||||||
def _real_extract(self, url):
|
|
||||||
video_id = self._match_id(url)
|
|
||||||
|
|
||||||
data = self._download_json(
|
|
||||||
'http://v8.psapi.nrk.no/mediaelement/%s' % video_id,
|
|
||||||
video_id, 'Downloading media JSON')
|
|
||||||
|
|
||||||
media_url = data.get('mediaUrl')
|
|
||||||
|
|
||||||
if not media_url:
|
|
||||||
if data['usageRights']['isGeoBlocked']:
|
|
||||||
raise ExtractorError(
|
|
||||||
'NRK har ikke rettigheter til å vise dette programmet utenfor Norge',
|
|
||||||
expected=True)
|
|
||||||
|
|
||||||
if determine_ext(media_url) == 'f4m':
|
|
||||||
formats = self._extract_f4m_formats(
|
|
||||||
media_url + '?hdcore=3.5.0&plugin=aasp-3.5.0.151.81', video_id, f4m_id='hds')
|
|
||||||
self._sort_formats(formats)
|
|
||||||
else:
|
|
||||||
formats = [{
|
|
||||||
'url': media_url,
|
|
||||||
'ext': 'flv',
|
|
||||||
}]
|
}]
|
||||||
|
|
||||||
duration = parse_duration(data.get('duration'))
|
|
||||||
|
|
||||||
images = data.get('images')
|
class NRKTVIE(NRKBaseIE):
|
||||||
if images:
|
IE_DESC = 'NRK TV and NRK Radio'
|
||||||
thumbnails = images['webImages']
|
_VALID_URL = r'https?://(?:tv|radio)\.nrk(?:super)?\.no/(?:serie/[^/]+|program)/(?P<id>[a-zA-Z]{4}\d{8})(?:/\d{2}-\d{2}-\d{4})?(?:#del=(?P<part_id>\d+))?'
|
||||||
thumbnails.sort(key=lambda image: image['pixelWidth'])
|
_API_HOST = 'psapi-we.nrk.no'
|
||||||
thumbnail = thumbnails[-1]['imageUrl']
|
|
||||||
else:
|
|
||||||
thumbnail = None
|
|
||||||
|
|
||||||
return {
|
_TESTS = [{
|
||||||
'id': video_id,
|
'url': 'https://tv.nrk.no/serie/20-spoersmaal-tv/MUHH48000314/23-05-2014',
|
||||||
'title': data['title'],
|
'info_dict': {
|
||||||
'description': data['description'],
|
'id': 'MUHH48000314',
|
||||||
'duration': duration,
|
'ext': 'mp4',
|
||||||
'thumbnail': thumbnail,
|
'title': '20 spørsmål',
|
||||||
'formats': formats,
|
'description': 'md5:bdea103bc35494c143c6a9acdd84887a',
|
||||||
}
|
'upload_date': '20140523',
|
||||||
|
'duration': 1741.52,
|
||||||
|
},
|
||||||
|
'params': {
|
||||||
|
# m3u8 download
|
||||||
|
'skip_download': True,
|
||||||
|
},
|
||||||
|
}, {
|
||||||
|
'url': 'https://tv.nrk.no/program/mdfp15000514',
|
||||||
|
'info_dict': {
|
||||||
|
'id': 'mdfp15000514',
|
||||||
|
'ext': 'mp4',
|
||||||
|
'title': 'Grunnlovsjubiléet - Stor ståhei for ingenting',
|
||||||
|
'description': 'md5:654c12511f035aed1e42bdf5db3b206a',
|
||||||
|
'upload_date': '20140524',
|
||||||
|
'duration': 4605.08,
|
||||||
|
},
|
||||||
|
'params': {
|
||||||
|
# m3u8 download
|
||||||
|
'skip_download': True,
|
||||||
|
},
|
||||||
|
}, {
|
||||||
|
# single playlist video
|
||||||
|
'url': 'https://tv.nrk.no/serie/tour-de-ski/MSPO40010515/06-01-2015#del=2',
|
||||||
|
'md5': 'adbd1dbd813edaf532b0a253780719c2',
|
||||||
|
'info_dict': {
|
||||||
|
'id': 'MSPO40010515-part2',
|
||||||
|
'ext': 'flv',
|
||||||
|
'title': 'Tour de Ski: Sprint fri teknikk, kvinner og menn 06.01.2015 (del 2:2)',
|
||||||
|
'description': 'md5:238b67b97a4ac7d7b4bf0edf8cc57d26',
|
||||||
|
'upload_date': '20150106',
|
||||||
|
},
|
||||||
|
'skip': 'Only works from Norway',
|
||||||
|
}, {
|
||||||
|
'url': 'https://tv.nrk.no/serie/tour-de-ski/MSPO40010515/06-01-2015',
|
||||||
|
'playlist': [{
|
||||||
|
'md5': '9480285eff92d64f06e02a5367970a7a',
|
||||||
|
'info_dict': {
|
||||||
|
'id': 'MSPO40010515-part1',
|
||||||
|
'ext': 'flv',
|
||||||
|
'title': 'Tour de Ski: Sprint fri teknikk, kvinner og menn 06.01.2015 (del 1:2)',
|
||||||
|
'description': 'md5:238b67b97a4ac7d7b4bf0edf8cc57d26',
|
||||||
|
'upload_date': '20150106',
|
||||||
|
},
|
||||||
|
}, {
|
||||||
|
'md5': 'adbd1dbd813edaf532b0a253780719c2',
|
||||||
|
'info_dict': {
|
||||||
|
'id': 'MSPO40010515-part2',
|
||||||
|
'ext': 'flv',
|
||||||
|
'title': 'Tour de Ski: Sprint fri teknikk, kvinner og menn 06.01.2015 (del 2:2)',
|
||||||
|
'description': 'md5:238b67b97a4ac7d7b4bf0edf8cc57d26',
|
||||||
|
'upload_date': '20150106',
|
||||||
|
},
|
||||||
|
}],
|
||||||
|
'info_dict': {
|
||||||
|
'id': 'MSPO40010515',
|
||||||
|
'title': 'Tour de Ski: Sprint fri teknikk, kvinner og menn',
|
||||||
|
'description': 'md5:238b67b97a4ac7d7b4bf0edf8cc57d26',
|
||||||
|
'upload_date': '20150106',
|
||||||
|
'duration': 6947.52,
|
||||||
|
},
|
||||||
|
'skip': 'Only works from Norway',
|
||||||
|
}, {
|
||||||
|
'url': 'https://radio.nrk.no/serie/dagsnytt/NPUB21019315/12-07-2015#',
|
||||||
|
'only_matching': True,
|
||||||
|
}]
|
||||||
|
|
||||||
|
|
||||||
class NRKPlaylistIE(InfoExtractor):
|
class NRKPlaylistIE(InfoExtractor):
|
||||||
|
|
@ -159,179 +292,3 @@ class NRKSkoleIE(InfoExtractor):
|
||||||
|
|
||||||
nrk_id = self._search_regex(r'data-nrk-id=["\'](\d+)', webpage, 'nrk id')
|
nrk_id = self._search_regex(r'data-nrk-id=["\'](\d+)', webpage, 'nrk id')
|
||||||
return self.url_result('nrk:%s' % nrk_id)
|
return self.url_result('nrk:%s' % nrk_id)
|
||||||
|
|
||||||
|
|
||||||
class NRKTVIE(InfoExtractor):
|
|
||||||
IE_DESC = 'NRK TV and NRK Radio'
|
|
||||||
_VALID_URL = r'(?P<baseurl>https?://(?:tv|radio)\.nrk(?:super)?\.no/)(?:serie/[^/]+|program)/(?P<id>[a-zA-Z]{4}\d{8})(?:/\d{2}-\d{2}-\d{4})?(?:#del=(?P<part_id>\d+))?'
|
|
||||||
|
|
||||||
_TESTS = [
|
|
||||||
{
|
|
||||||
'url': 'https://tv.nrk.no/serie/20-spoersmaal-tv/MUHH48000314/23-05-2014',
|
|
||||||
'info_dict': {
|
|
||||||
'id': 'MUHH48000314',
|
|
||||||
'ext': 'mp4',
|
|
||||||
'title': '20 spørsmål',
|
|
||||||
'description': 'md5:bdea103bc35494c143c6a9acdd84887a',
|
|
||||||
'upload_date': '20140523',
|
|
||||||
'duration': 1741.52,
|
|
||||||
},
|
|
||||||
'params': {
|
|
||||||
# m3u8 download
|
|
||||||
'skip_download': True,
|
|
||||||
},
|
|
||||||
},
|
|
||||||
{
|
|
||||||
'url': 'https://tv.nrk.no/program/mdfp15000514',
|
|
||||||
'info_dict': {
|
|
||||||
'id': 'mdfp15000514',
|
|
||||||
'ext': 'mp4',
|
|
||||||
'title': 'Grunnlovsjubiléet - Stor ståhei for ingenting',
|
|
||||||
'description': 'md5:654c12511f035aed1e42bdf5db3b206a',
|
|
||||||
'upload_date': '20140524',
|
|
||||||
'duration': 4605.08,
|
|
||||||
},
|
|
||||||
'params': {
|
|
||||||
# m3u8 download
|
|
||||||
'skip_download': True,
|
|
||||||
},
|
|
||||||
},
|
|
||||||
{
|
|
||||||
# single playlist video
|
|
||||||
'url': 'https://tv.nrk.no/serie/tour-de-ski/MSPO40010515/06-01-2015#del=2',
|
|
||||||
'md5': 'adbd1dbd813edaf532b0a253780719c2',
|
|
||||||
'info_dict': {
|
|
||||||
'id': 'MSPO40010515-part2',
|
|
||||||
'ext': 'flv',
|
|
||||||
'title': 'Tour de Ski: Sprint fri teknikk, kvinner og menn 06.01.2015 (del 2:2)',
|
|
||||||
'description': 'md5:238b67b97a4ac7d7b4bf0edf8cc57d26',
|
|
||||||
'upload_date': '20150106',
|
|
||||||
},
|
|
||||||
'skip': 'Only works from Norway',
|
|
||||||
},
|
|
||||||
{
|
|
||||||
'url': 'https://tv.nrk.no/serie/tour-de-ski/MSPO40010515/06-01-2015',
|
|
||||||
'playlist': [
|
|
||||||
{
|
|
||||||
'md5': '9480285eff92d64f06e02a5367970a7a',
|
|
||||||
'info_dict': {
|
|
||||||
'id': 'MSPO40010515-part1',
|
|
||||||
'ext': 'flv',
|
|
||||||
'title': 'Tour de Ski: Sprint fri teknikk, kvinner og menn 06.01.2015 (del 1:2)',
|
|
||||||
'description': 'md5:238b67b97a4ac7d7b4bf0edf8cc57d26',
|
|
||||||
'upload_date': '20150106',
|
|
||||||
},
|
|
||||||
},
|
|
||||||
{
|
|
||||||
'md5': 'adbd1dbd813edaf532b0a253780719c2',
|
|
||||||
'info_dict': {
|
|
||||||
'id': 'MSPO40010515-part2',
|
|
||||||
'ext': 'flv',
|
|
||||||
'title': 'Tour de Ski: Sprint fri teknikk, kvinner og menn 06.01.2015 (del 2:2)',
|
|
||||||
'description': 'md5:238b67b97a4ac7d7b4bf0edf8cc57d26',
|
|
||||||
'upload_date': '20150106',
|
|
||||||
},
|
|
||||||
},
|
|
||||||
],
|
|
||||||
'info_dict': {
|
|
||||||
'id': 'MSPO40010515',
|
|
||||||
'title': 'Tour de Ski: Sprint fri teknikk, kvinner og menn',
|
|
||||||
'description': 'md5:238b67b97a4ac7d7b4bf0edf8cc57d26',
|
|
||||||
'upload_date': '20150106',
|
|
||||||
'duration': 6947.5199999999995,
|
|
||||||
},
|
|
||||||
'skip': 'Only works from Norway',
|
|
||||||
},
|
|
||||||
{
|
|
||||||
'url': 'https://radio.nrk.no/serie/dagsnytt/NPUB21019315/12-07-2015#',
|
|
||||||
'only_matching': True,
|
|
||||||
}
|
|
||||||
]
|
|
||||||
|
|
||||||
def _extract_f4m(self, manifest_url, video_id):
|
|
||||||
return self._extract_f4m_formats(
|
|
||||||
manifest_url + '?hdcore=3.1.1&plugin=aasp-3.1.1.69.124', video_id, f4m_id='hds')
|
|
||||||
|
|
||||||
def _real_extract(self, url):
|
|
||||||
mobj = re.match(self._VALID_URL, url)
|
|
||||||
video_id = mobj.group('id')
|
|
||||||
part_id = mobj.group('part_id')
|
|
||||||
base_url = mobj.group('baseurl')
|
|
||||||
|
|
||||||
webpage = self._download_webpage(url, video_id)
|
|
||||||
|
|
||||||
title = self._html_search_meta(
|
|
||||||
'title', webpage, 'title')
|
|
||||||
description = self._html_search_meta(
|
|
||||||
'description', webpage, 'description')
|
|
||||||
|
|
||||||
thumbnail = self._html_search_regex(
|
|
||||||
r'data-posterimage="([^"]+)"',
|
|
||||||
webpage, 'thumbnail', fatal=False)
|
|
||||||
upload_date = unified_strdate(self._html_search_meta(
|
|
||||||
'rightsfrom', webpage, 'upload date', fatal=False))
|
|
||||||
duration = float_or_none(self._html_search_regex(
|
|
||||||
r'data-duration="([^"]+)"',
|
|
||||||
webpage, 'duration', fatal=False))
|
|
||||||
|
|
||||||
# playlist
|
|
||||||
parts = re.findall(
|
|
||||||
r'<a href="#del=(\d+)"[^>]+data-argument="([^"]+)">([^<]+)</a>', webpage)
|
|
||||||
if parts:
|
|
||||||
entries = []
|
|
||||||
for current_part_id, stream_url, part_title in parts:
|
|
||||||
if part_id and current_part_id != part_id:
|
|
||||||
continue
|
|
||||||
video_part_id = '%s-part%s' % (video_id, current_part_id)
|
|
||||||
formats = self._extract_f4m(stream_url, video_part_id)
|
|
||||||
entries.append({
|
|
||||||
'id': video_part_id,
|
|
||||||
'title': part_title,
|
|
||||||
'description': description,
|
|
||||||
'thumbnail': thumbnail,
|
|
||||||
'upload_date': upload_date,
|
|
||||||
'formats': formats,
|
|
||||||
})
|
|
||||||
if part_id:
|
|
||||||
if entries:
|
|
||||||
return entries[0]
|
|
||||||
else:
|
|
||||||
playlist = self.playlist_result(entries, video_id, title, description)
|
|
||||||
playlist.update({
|
|
||||||
'thumbnail': thumbnail,
|
|
||||||
'upload_date': upload_date,
|
|
||||||
'duration': duration,
|
|
||||||
})
|
|
||||||
return playlist
|
|
||||||
|
|
||||||
formats = []
|
|
||||||
|
|
||||||
f4m_url = re.search(r'data-media="([^"]+)"', webpage)
|
|
||||||
if f4m_url:
|
|
||||||
formats.extend(self._extract_f4m(f4m_url.group(1), video_id))
|
|
||||||
|
|
||||||
m3u8_url = re.search(r'data-hls-media="([^"]+)"', webpage)
|
|
||||||
if m3u8_url:
|
|
||||||
formats.extend(self._extract_m3u8_formats(m3u8_url.group(1), video_id, 'mp4', m3u8_id='hls'))
|
|
||||||
self._sort_formats(formats)
|
|
||||||
|
|
||||||
subtitles_url = self._html_search_regex(
|
|
||||||
r'data-subtitlesurl\s*=\s*(["\'])(?P<url>.+?)\1',
|
|
||||||
webpage, 'subtitle URL', default=None, group='url')
|
|
||||||
subtitles = {}
|
|
||||||
if subtitles_url:
|
|
||||||
subtitles['no'] = [{
|
|
||||||
'ext': 'ttml',
|
|
||||||
'url': compat_urlparse.urljoin(base_url, subtitles_url),
|
|
||||||
}]
|
|
||||||
|
|
||||||
return {
|
|
||||||
'id': video_id,
|
|
||||||
'title': title,
|
|
||||||
'description': description,
|
|
||||||
'thumbnail': thumbnail,
|
|
||||||
'upload_date': upload_date,
|
|
||||||
'duration': duration,
|
|
||||||
'formats': formats,
|
|
||||||
'subtitles': subtitles,
|
|
||||||
}
|
|
||||||
|
|
|
||||||
Loading…
Reference in New Issue