mirror of
https://github.com/ytdl-org/youtube-dl.git
synced 2024-05-19 11:39:28 +00:00
190 lines
8.2 KiB
Python
190 lines
8.2 KiB
Python
# coding: utf-8
|
||
from __future__ import unicode_literals
|
||
|
||
from .common import InfoExtractor
|
||
from ..utils import (
|
||
ExtractorError,
|
||
determine_ext,
|
||
js_to_json,
|
||
)
|
||
from ..compat import (
|
||
compat_b64decode,
|
||
compat_urllib_parse_unquote,
|
||
)
|
||
|
||
import re
|
||
|
||
|
||
class RTPIE(InfoExtractor):
|
||
_VALID_URL = r'https?://(?:(?:(?:www\.)?rtp\.pt/play/(?P<subarea>.*/)?p(?P<program_id>[0-9]+)/(?P<episode_id>e[0-9]+/)?)|(?:arquivos\.rtp\.pt/conteudos/))(?P<id>[^/?#]+)/?'
|
||
_TESTS = [{
|
||
'url': 'https://www.rtp.pt/play/p117/e563265/os-contemporaneos',
|
||
'info_dict': {
|
||
'id': 'os-contemporaneos',
|
||
'ext': 'mp4',
|
||
'title': 'Os Contemporâneos Episódio 1',
|
||
'description': 'Os Contemporâneos, um programa de humor com um olhar na sociedade portuguesa!',
|
||
'thumbnail': r're:^https?://.*\.(jpg|png)'
|
||
},
|
||
}, {
|
||
'url': 'https://www.rtp.pt/play/p8157/e541212/telejornal',
|
||
'info_dict': {
|
||
'id': 'telejornal',
|
||
'ext': 'mp4',
|
||
'title': 'Telejornal de 01 Mai 2021 PARTE 1',
|
||
'description': 'A mais rigorosa seleção de notícias, todos os dias às 20h00. De segunda a domingo, João Adelino Faria e José Rodrigues dos Santos mostram-lhe o que de'
|
||
},
|
||
}, {
|
||
'url': 'https://www.rtp.pt/play/p6646/e457262/grande-entrevista',
|
||
'info_dict': {
|
||
'id': 'grande-entrevista',
|
||
'ext': 'mp4',
|
||
'title': 'Grande Entrevista Episódio 7 - de 19 Fev 2020',
|
||
'description': 'Bruno Nogueira - É um dos mais originais humoristas portugueses e de maior êxito! Bruno Nogueira na Grande Entrevista com Vítor Gonçalves.'
|
||
},
|
||
}, {
|
||
'url': 'https://www.rtp.pt/play/estudoemcasa/p7776/e539826/portugues-1-ano',
|
||
'info_dict': {
|
||
'id': 'portugues-1-ano',
|
||
'ext': 'mp4',
|
||
'title': 'Português - 1.º ano , aula 45 - 27 Abr 2021 - Estudo Em Casa - RTP',
|
||
'description': 'A História do Pedrito Coelho, de Beatrix Potter. O dígrafo \'lh\' - A História do Pedrito Coelho, de Beatrix Potter. O dígrafo \'lh\'.'
|
||
},
|
||
}, {
|
||
'url': 'https://www.rtp.pt/play/zigzag/p5449/e385973/banda-zig-zag',
|
||
'info_dict': {
|
||
'id': 'banda-zig-zag',
|
||
'ext': 'mp4',
|
||
'title': 'Banda Zig Zag Episódio 1 - Zig Zag Play - RTP',
|
||
'description': 'A Amizade é o Nosso Mel - Zig: é a menina que além de tocar também canta. Adora aprender palavras novas e adora ler. Gosta de fazer palavras cruzadas'
|
||
},
|
||
}, {
|
||
'url': 'https://arquivos.rtp.pt/conteudos/liga-dos-ultimos-152/',
|
||
'info_dict': {
|
||
'id': 'liga-dos-ultimos-152',
|
||
'ext': 'mp4',
|
||
'title': 'Liga dos Últimos – RTP Arquivos',
|
||
'description': 'Magazine desportivo, com apresentação de Álvaro Costa e comentários em estúdio do professor Hernâni Gonçalves e do sociólogo João Nuno Coelho. Destaque para os jogos de futebol das equipas dos escalões secundários de Portugal, com momentos dos jogos: Agrário de Lamas vs Pampilhoense e Apúlia vs Fragoso.'
|
||
},
|
||
}, {
|
||
'url': 'https://www.rtp.pt/play/p510/aleixo-fm',
|
||
'only_matching': True,
|
||
}]
|
||
|
||
def _real_extract(self, url):
|
||
video_id = self._match_id(url)
|
||
|
||
webpage = self._download_webpage(url, video_id)
|
||
|
||
# Remove JS multi-line comments from webpage source
|
||
webpage = re.sub(r'(\/\*.*\*\/)', '', webpage, flags=re.DOTALL)
|
||
|
||
title = self._html_search_regex(r'<title>(.+?)</title>', webpage, 'title')
|
||
|
||
if 'Este episódio não se encontra disponível' in title:
|
||
raise ExtractorError('Episode unavailable', expected=True)
|
||
|
||
# Replace irrelevant text in title
|
||
title = re.sub(r' - ?RTP Play - RTP', '', title)
|
||
|
||
# Check if it's a video split in parts, if so add part number to title
|
||
part = self._html_search_regex(r'section\-parts.*<span.*>(.+?)</span>.*</ul>', webpage, 'part', default=None)
|
||
if part:
|
||
title = '{title} {part}'.format(title=title, part=part)
|
||
|
||
# Get JS object
|
||
js_object = self._search_regex(r'(?s)RTPPlayer *\( *({.+?}) *\);', webpage, 'player config')
|
||
|
||
json_string_for_config = ''
|
||
filekey_found = False
|
||
|
||
# Verify JS object since it isn't pure JSON and probably needs some fixing
|
||
for line in js_object.splitlines():
|
||
stripped_line = line.strip()
|
||
|
||
# If JS object key is 'fileKey'
|
||
if re.match('fileKey ?:', stripped_line):
|
||
filekey_found = True
|
||
if 'decodeURIComponent' in stripped_line:
|
||
# 1) The value is an encoded URL
|
||
encoded_url = re.match(r"[^[]*\[([^]]*)\]", stripped_line).groups()[0]
|
||
encoded_url = re.sub(r'[\s"\',]', '', encoded_url)
|
||
|
||
if 'atob' in stripped_line:
|
||
# Most of the times 'atob' approach is used but not always so we need to be sure
|
||
decoded_url = compat_b64decode(
|
||
compat_urllib_parse_unquote(
|
||
encoded_url)).decode('utf-8')
|
||
else:
|
||
# If no 'atob' we just need to unquote it
|
||
decoded_url = compat_urllib_parse_unquote(encoded_url)
|
||
|
||
# Insert the (relative) decoded URL in JSON
|
||
json_string_for_config += '\nfileKey: "{decoded_url}",'.format(decoded_url=decoded_url)
|
||
else:
|
||
# 2) ... or the value URL is not encoded so keep it that way
|
||
json_string_for_config += '\n{stripped_line}'.format(stripped_line=stripped_line)
|
||
|
||
elif (
|
||
not stripped_line.startswith("//")
|
||
and not re.match('.*extraSettings ?:', stripped_line)
|
||
and (not filekey_found or (filekey_found and not re.match('file ?:', stripped_line)))
|
||
):
|
||
# Ignore commented lines and 'extraSettings'. Also ignore 'file' if 'fileKey' already exists
|
||
json_string_for_config += '\n{stripped_line}'.format(stripped_line=stripped_line)
|
||
|
||
# Finally send pure JSON string for JSON parsing
|
||
config = self._parse_json(json_string_for_config, video_id, js_to_json)
|
||
|
||
if 'fileKey' in config:
|
||
# 'fileKey' has priority over 'file' on our end
|
||
file_url = config['fileKey']
|
||
elif 'file' in config:
|
||
# 'RTP Arquivos' still uses old regular non-encoded 'file' key
|
||
file_url = config['file']
|
||
else:
|
||
raise ExtractorError('No valid media source found in page')
|
||
|
||
ext = determine_ext(file_url)
|
||
|
||
if ext == 'mp4':
|
||
# Due to recent changes, we need to hardcode the URL like this and download it using 'm3u8'
|
||
file_url = 'https://streaming-vod.rtp.pt/hls{file_url}/index-v1-a1.m3u8'.format(file_url=file_url)
|
||
|
||
formats = self._extract_m3u8_formats(
|
||
file_url, video_id, 'mp4', 'm3u8_native',
|
||
m3u8_id='hls')
|
||
elif ext == 'm3u8':
|
||
# It can be downloaded without any further changes
|
||
formats = self._extract_m3u8_formats(
|
||
file_url, video_id, 'mp4', 'm3u8_native',
|
||
m3u8_id='hls')
|
||
else:
|
||
# Need to set basepath
|
||
file_url = 'https://cdn-ondemand.rtp.pt{file_url}'.format(file_url=file_url)
|
||
formats = [{
|
||
'url': file_url,
|
||
'ext': ext,
|
||
}]
|
||
|
||
if config['mediaType'] == 'audio':
|
||
for f in formats:
|
||
f['vcodec'] = 'none'
|
||
|
||
subtitles = {}
|
||
if 'vtt' in config:
|
||
sub_lang, sub_lang_full, sub_url = config['vtt'][0]
|
||
subtitles.setdefault(sub_lang, []).append({
|
||
'url': sub_url,
|
||
'ext': 'vtt',
|
||
})
|
||
|
||
return {
|
||
'id': video_id,
|
||
'title': title,
|
||
'formats': formats,
|
||
'subtitles': subtitles,
|
||
'description': self._html_search_meta(['og:description', 'description', 'twitter:description'], webpage),
|
||
'thumbnail': config['poster'] or self._og_search_thumbnail(webpage),
|
||
}
|