[icareus] Add new extractor
This commit is contained in:
tpikonen
parent
21ccd0d7f4
commit
a94b69e4d3
@ -475,6 +475,7 @@ from .hungama import (
|
|||||||
HungamaSongIE,
|
HungamaSongIE,
|
||||||
)
|
)
|
||||||
from .hypem import HypemIE
|
from .hypem import HypemIE
|
||||||
|
from .icareus import IcareusIE
|
||||||
from .ign import (
|
from .ign import (
|
||||||
IGNIE,
|
IGNIE,
|
||||||
IGNVideoIE,
|
IGNVideoIE,
|
||||||
|
|||||||
230
youtube_dl/extractor/icareus.py
Normal file
230
youtube_dl/extractor/icareus.py
Normal file
@ -0,0 +1,230 @@
|
|||||||
|
# coding: utf-8
|
||||||
|
from __future__ import unicode_literals
|
||||||
|
|
||||||
|
import re
|
||||||
|
|
||||||
|
from .common import InfoExtractor
|
||||||
|
from ..utils import (
|
||||||
|
clean_html,
|
||||||
|
determine_ext,
|
||||||
|
get_element_by_attribute,
|
||||||
|
get_element_by_class,
|
||||||
|
int_or_none,
|
||||||
|
parse_bitrate,
|
||||||
|
parse_resolution,
|
||||||
|
unified_timestamp,
|
||||||
|
urlencode_postdata,
|
||||||
|
url_or_none,
|
||||||
|
)
|
||||||
|
|
||||||
|
|
||||||
|
class IcareusIE(InfoExtractor):
|
||||||
|
_VALID_URL = r'''(?x)
|
||||||
|
https?://(?:www\.)?
|
||||||
|
(?:
|
||||||
|
asahitv\.fi|
|
||||||
|
helsinkikanava\.fi|
|
||||||
|
hyvinvointitv\.fi|
|
||||||
|
inez\.fi|
|
||||||
|
midastv\.ke|
|
||||||
|
permanto\.fi|
|
||||||
|
suite.icareus.com|
|
||||||
|
videos\.minifiddlers\.org
|
||||||
|
)
|
||||||
|
/.+/player/.*(?:assetId|eventId)=(?P<id>\d+).*'''
|
||||||
|
_TESTS = [{
|
||||||
|
'url': 'https://www.helsinkikanava.fi/fi_FI/web/helsinkikanava/player/vod?assetId=68021894',
|
||||||
|
'md5': 'ca0b62ffc814a5411dfa6349cf5adb8a',
|
||||||
|
'info_dict': {
|
||||||
|
'id': '68021894',
|
||||||
|
'ext': 'mp4',
|
||||||
|
'title': 'Perheiden parhaaksi',
|
||||||
|
'description': 'md5:fe4e4ec742a34f53022f3a0409b0f6e7',
|
||||||
|
'thumbnail': 'https://www.helsinkikanava.fi/image/image_gallery?img_id=68022501',
|
||||||
|
'upload_date': '20200924',
|
||||||
|
'timestamp': 1600938300,
|
||||||
|
},
|
||||||
|
}, { # Recorded livestream
|
||||||
|
'url': 'https://www.helsinkikanava.fi/fi/web/helsinkikanava/player/event/view?eventId=76241489',
|
||||||
|
'md5': '014327e69dfa7b949fcc861f6d162d6d',
|
||||||
|
'info_dict': {
|
||||||
|
'id': '76258304',
|
||||||
|
'ext': 'mp4',
|
||||||
|
'title': 'Helsingin kaupungin ja HUSin tiedotustilaisuus koronaepidemiatilanteesta 24.11.2020',
|
||||||
|
'description': 'md5:3129d041c6fbbcdc7fe68d9a938fef1c',
|
||||||
|
'thumbnail': 'https://icareus-suite.secure2.footprint.net/image/image_gallery?img_id=76288630',
|
||||||
|
'upload_date': '20201124',
|
||||||
|
'timestamp': 1606206600,
|
||||||
|
},
|
||||||
|
}, {
|
||||||
|
'url': 'https://asahitv.fi/fi/web/asahi/player/vod?assetId=89415818',
|
||||||
|
'only_matching': True
|
||||||
|
}, {
|
||||||
|
'url': 'https://hyvinvointitv.fi/fi/web/hyvinvointitv/player/vod?assetId=89149730',
|
||||||
|
'only_matching': True
|
||||||
|
}, {
|
||||||
|
'url': 'https://inez.fi/fi/web/inez-media/player/vod?assetId=71328822',
|
||||||
|
'only_matching': True
|
||||||
|
}, {
|
||||||
|
'url': 'https://www.midastv.ke/en/web/midas-tv/player/embed/vod?assetId=65714535',
|
||||||
|
'only_matching': True
|
||||||
|
}, {
|
||||||
|
'url': 'https://www.permanto.fi/fi/web/alfatv/player/vod?assetId=95010095',
|
||||||
|
'only_matching': True
|
||||||
|
}, {
|
||||||
|
'url': 'https://suite.icareus.com/fi/web/westend-indians/player/vod?assetId=47567389',
|
||||||
|
'only_matching': True
|
||||||
|
}, {
|
||||||
|
'url': 'https://videos.minifiddlers.org/web/international-minifiddlers/player/vod?assetId=1982759',
|
||||||
|
'only_matching': True
|
||||||
|
}]
|
||||||
|
_API2_PATH = '/icareus-suite-api-portlet/publishing'
|
||||||
|
|
||||||
|
def _real_extract(self, url):
|
||||||
|
maybe_id = self._match_id(url)
|
||||||
|
page = self._download_webpage(url, maybe_id)
|
||||||
|
video_id = self._search_regex(
|
||||||
|
r"_icareus\['itemId'\]='(\d+)'", page, "video_id")
|
||||||
|
api_base = self._search_regex(
|
||||||
|
r'var publishingServiceURL = "(http.*?)";', page, "api_base")
|
||||||
|
organization_id = self._search_regex(
|
||||||
|
r"_icareus\['organizationId'\]='(\d+)'", page, "organization_id")
|
||||||
|
token = self._search_regex(
|
||||||
|
r"_icareus\['token'\]='([a-f0-9]+)'", page, "token")
|
||||||
|
|
||||||
|
token2 = self._search_regex(
|
||||||
|
r'''data\s*:\s*{action:"getAsset".*?token:'([a-f0-9]+)'}''', page,
|
||||||
|
"token2", default=None, fatal=False)
|
||||||
|
metajson = get_element_by_attribute('type', 'application/ld+json', page)
|
||||||
|
|
||||||
|
metad = None
|
||||||
|
if metajson:
|
||||||
|
# The description can contain newlines, HTML tags, quote chars etc.
|
||||||
|
# so we'll extract it manually
|
||||||
|
mo = re.match(
|
||||||
|
r'(.*",)\s*"description": "(.*?)",(\s*"thumbnailUrl":.*)',
|
||||||
|
metajson, flags=re.DOTALL)
|
||||||
|
if mo:
|
||||||
|
desc_text = mo.group(2)
|
||||||
|
metajson = mo.group(1) + mo.group(3)
|
||||||
|
metad = self._parse_json(metajson, video_id, fatal=False)
|
||||||
|
else:
|
||||||
|
self.report_warning("Could not fix metadata JSON", video_id)
|
||||||
|
|
||||||
|
livestream_title = get_element_by_class(
|
||||||
|
'unpublished-info-item future-event-title', page)
|
||||||
|
|
||||||
|
duration = None
|
||||||
|
thumbnail = None
|
||||||
|
if metad:
|
||||||
|
title = metad.get('name')
|
||||||
|
description = desc_text
|
||||||
|
timestamp = unified_timestamp(metad.get('uploadDate'))
|
||||||
|
thumbnail = url_or_none(metad.get('thumbnailUrl'))
|
||||||
|
elif token2:
|
||||||
|
base_url = self._search_regex(r'(https?://[^/]+)/', url, 'base_url')
|
||||||
|
data = {
|
||||||
|
"version": "03",
|
||||||
|
"action": "getAsset",
|
||||||
|
"organizationId": organization_id,
|
||||||
|
"assetId": video_id,
|
||||||
|
"languageId": "en_US",
|
||||||
|
"userId": "0",
|
||||||
|
"token": token2,
|
||||||
|
}
|
||||||
|
metad = self._download_json(base_url + self._API2_PATH, video_id,
|
||||||
|
data=urlencode_postdata(data))
|
||||||
|
title = metad.get('name')
|
||||||
|
description = metad.get('description')
|
||||||
|
timestamp = int_or_none(metad.get('date'), scale=1000)
|
||||||
|
duration = int_or_none(metad.get('duration'))
|
||||||
|
thumbnail = url_or_none(metad.get('thumbnailMedium'))
|
||||||
|
elif livestream_title: # Recorded livestream
|
||||||
|
title = livestream_title
|
||||||
|
description = get_element_by_class(
|
||||||
|
'unpublished-info-item future-event-description', page)
|
||||||
|
timestamp = int_or_none(self._search_regex(
|
||||||
|
r"var startEvent\s*=\s*(\d+);", page, "uploadDate",
|
||||||
|
fatal=False), scale=1000)
|
||||||
|
else:
|
||||||
|
self.report_warning("Could not extract metadata", video_id)
|
||||||
|
description = None
|
||||||
|
timestamp = None
|
||||||
|
|
||||||
|
title = title if title else video_id
|
||||||
|
description = clean_html(description)
|
||||||
|
|
||||||
|
data = {
|
||||||
|
"version": "03",
|
||||||
|
"action": "getAssetPlaybackUrls",
|
||||||
|
"organizationId": organization_id,
|
||||||
|
"assetId": video_id,
|
||||||
|
"token": token,
|
||||||
|
}
|
||||||
|
jsond = self._download_json(api_base, video_id,
|
||||||
|
data=urlencode_postdata(data))
|
||||||
|
|
||||||
|
if thumbnail is None:
|
||||||
|
thumbnail = url_or_none(jsond.get('thumbnail'))
|
||||||
|
|
||||||
|
formats = []
|
||||||
|
for item in jsond.get('urls', []):
|
||||||
|
video_url = url_or_none(item.get('url'))
|
||||||
|
ext = determine_ext(video_url)
|
||||||
|
if ext == 'm3u8':
|
||||||
|
formats.extend(self._extract_m3u8_formats(
|
||||||
|
video_url, video_id, 'mp4',
|
||||||
|
entry_protocol='m3u8_native', m3u8_id='hls',
|
||||||
|
fatal=False))
|
||||||
|
else:
|
||||||
|
fd = {'url': video_url}
|
||||||
|
fmt = item.get('name')
|
||||||
|
if fmt:
|
||||||
|
fd['format'] = fmt
|
||||||
|
fd.update(parse_resolution(fmt))
|
||||||
|
mo = re.search(r'\((\d+)\s*kbps\)\s*\+\s*(\d+)\s*kbps', fmt)
|
||||||
|
if mo:
|
||||||
|
fd['vbr'] = int_or_none(mo.group(1))
|
||||||
|
fd['abr'] = int_or_none(mo.group(2))
|
||||||
|
else:
|
||||||
|
fd['tbr'] = parse_bitrate(fmt)
|
||||||
|
fmt_id = item.get('id')
|
||||||
|
if fmt_id:
|
||||||
|
fd['format_id'] = str(fmt_id)
|
||||||
|
formats.append(fd)
|
||||||
|
|
||||||
|
for item in jsond.get('audio_urls', []):
|
||||||
|
fmt = item.get('name')
|
||||||
|
mo = re.match(r'.*\((\d+)k\).*', fmt if fmt else '')
|
||||||
|
abr = int_or_none(mo.group(1)) if mo else None
|
||||||
|
fd = {
|
||||||
|
'format': fmt,
|
||||||
|
'format_id': 'audio',
|
||||||
|
'url': url_or_none(item.get('url')),
|
||||||
|
'vcodec': 'none',
|
||||||
|
}
|
||||||
|
if abr:
|
||||||
|
fd['abr'] = abr
|
||||||
|
formats.append(fd)
|
||||||
|
|
||||||
|
subtitles = {}
|
||||||
|
for sub in jsond.get('subtitles', []):
|
||||||
|
scode, sdesc, surl = sub
|
||||||
|
lang = sdesc.split(' ')[0]
|
||||||
|
lang = lang[:-1] if lang.endswith(':') else lang
|
||||||
|
subtitles[lang] = [{"url": url_or_none(surl)}]
|
||||||
|
|
||||||
|
info = {
|
||||||
|
'id': video_id,
|
||||||
|
'title': title,
|
||||||
|
'description': description,
|
||||||
|
'thumbnail': thumbnail,
|
||||||
|
'timestamp': timestamp,
|
||||||
|
'formats': formats,
|
||||||
|
}
|
||||||
|
if duration:
|
||||||
|
info['duration'] = duration
|
||||||
|
if subtitles:
|
||||||
|
info['subtitles'] = subtitles
|
||||||
|
|
||||||
|
return info
|
||||||
Loading…
Reference in New Issue
Block a user