youtube_dl/extractor/uol.py

   1 # coding: utf-8
   2 from __future__ import unicode_literals
   3
   4 from .common import InfoExtractor
   5 from ..utils import (
   6     clean_html,
   7     int_or_none,
   8     parse_duration,
   9     update_url_query,
  10     str_or_none,
  11 )
  12
  13
  14 class UOLIE(InfoExtractor):
  15     IE_NAME = 'uol.com.br'
  16     _VALID_URL = r'https?://(?:.+?\.)?uol\.com\.br/.*?(?:(?:mediaId|v)=|view/(?:[a-z0-9]+/)?|video(?:=|/(?:\d{4}/\d{2}/\d{2}/)?))(?P<id>\d+|[\w-]+-[A-Z0-9]+)'
  17     _TESTS = [{
  18         'url': 'http://player.mais.uol.com.br/player_video_v3.swf?mediaId=15951931',
  19         'md5': '25291da27dc45e0afb5718a8603d3816',
  20         'info_dict': {
  21             'id': '15951931',
  22             'ext': 'mp4',
  23             'title': 'Miss simpatia é encontrada morta',
  24             'description': 'md5:3f8c11a0c0556d66daf7e5b45ef823b2',
  25         }
  26     }, {
  27         'url': 'http://tvuol.uol.com.br/video/incendio-destroi-uma-das-maiores-casas-noturnas-de-londres-04024E9A3268D4C95326',
  28         'md5': 'e41a2fb7b7398a3a46b6af37b15c00c9',
  29         'info_dict': {
  30             'id': '15954259',
  31             'ext': 'mp4',
  32             'title': 'Incêndio destrói uma das maiores casas noturnas de Londres',
  33             'description': 'Em Londres, um incêndio destruiu uma das maiores boates da cidade. Não há informações sobre vítimas.',
  34         }
  35     }, {
  36         'url': 'http://mais.uol.com.br/static/uolplayer/index.html?mediaId=15951931',
  37         'only_matching': True,
  38     }, {
  39         'url': 'http://mais.uol.com.br/view/15954259',
  40         'only_matching': True,
  41     }, {
  42         'url': 'http://noticias.band.uol.com.br/brasilurgente/video/2016/08/05/15951931/miss-simpatia-e-encontrada-morta.html',
  43         'only_matching': True,
  44     }, {
  45         'url': 'http://videos.band.uol.com.br/programa.asp?e=noticias&pr=brasil-urgente&v=15951931&t=Policia-desmonte-base-do-PCC-na-Cracolandia',
  46         'only_matching': True,
  47     }, {
  48         'url': 'http://mais.uol.com.br/view/cphaa0gl2x8r/incendio-destroi-uma-das-maiores-casas-noturnas-de-londres-04024E9A3268D4C95326',
  49         'only_matching': True,
  50     }, {
  51         'url': 'http://noticias.uol.com.br//videos/assistir.htm?video=rafaela-silva-inspira-criancas-no-judo-04024D983968D4C95326',
  52         'only_matching': True,
  53     }, {
  54         'url': 'http://mais.uol.com.br/view/e0qbgxid79uv/15275470',
  55         'only_matching': True,
  56     }]
  57
  58     _FORMATS = {
  59         '2': {
  60             'width': 640,
  61             'height': 360,
  62         },
  63         '5': {
  64             'width': 1280,
  65             'height': 720,
  66         },
  67         '6': {
  68             'width': 426,
  69             'height': 240,
  70         },
  71         '7': {
  72             'width': 1920,
  73             'height': 1080,
  74         },
  75         '8': {
  76             'width': 192,
  77             'height': 144,
  78         },
  79         '9': {
  80             'width': 568,
  81             'height': 320,
  82         },
  83         '11': {
  84             'width': 640,
  85             'height': 360,
  86         }
  87     }
  88
  89     def _real_extract(self, url):
  90         video_id = self._match_id(url)
  91         media_id = None
  92
  93         if video_id.isdigit():
  94             media_id = video_id
  95
  96         if not media_id:
  97             embed_page = self._download_webpage(
  98                 'https://jsuol.com.br/c/tv/uol/embed/?params=[embed,%s]' % video_id,
  99                 video_id, 'Downloading embed page', fatal=False)
 100             if embed_page:
 101                 media_id = self._search_regex(
 102                     (r'uol\.com\.br/(\d+)', r'mediaId=(\d+)'),
 103                     embed_page, 'media id', default=None)
 104
 105         if not media_id:
 106             webpage = self._download_webpage(url, video_id)
 107             media_id = self._search_regex(r'mediaId=(\d+)', webpage, 'media id')
 108
 109         video_data = self._download_json(
 110             'http://mais.uol.com.br/apiuol/v3/player/getMedia/%s.json' % media_id,
 111             media_id)['item']
 112         title = video_data['title']
 113
 114         query = {
 115             'ver': video_data.get('numRevision', 2),
 116             'r': 'http://mais.uol.com.br',
 117         }
 118         for k in ('token', 'sign'):
 119             v = video_data.get(k)
 120             if v:
 121                 query[k] = v
 122
 123         formats = []
 124         for f in video_data.get('formats', []):
 125             f_url = f.get('url') or f.get('secureUrl')
 126             if not f_url:
 127                 continue
 128             f_url = update_url_query(f_url, query)
 129             format_id = str_or_none(f.get('id'))
 130             if format_id == '10':
 131                 formats.extend(self._extract_m3u8_formats(
 132                     f_url, video_id, 'mp4', 'm3u8_native',
 133                     m3u8_id='hls', fatal=False))
 134                 continue
 135             fmt = {
 136                 'format_id': format_id,
 137                 'url': f_url,
 138                 'source_preference': 1,
 139             }
 140             fmt.update(self._FORMATS.get(format_id, {}))
 141             formats.append(fmt)
 142         self._sort_formats(formats, ('height', 'width', 'source_preference', 'tbr', 'ext'))
 143
 144         tags = []
 145         for tag in video_data.get('tags', []):
 146             tag_description = tag.get('description')
 147             if not tag_description:
 148                 continue
 149             tags.append(tag_description)
 150
 151         return {
 152             'id': media_id,
 153             'title': title,
 154             'description': clean_html(video_data.get('desMedia')),
 155             'thumbnail': video_data.get('thumbnail'),
 156             'duration': int_or_none(video_data.get('durationSeconds')) or parse_duration(video_data.get('duration')),
 157             'tags': tags,
 158             'formats': formats,
 159         }