]> gitweb @ CieloNegro.org - youtube-dl.git/commitdiff
Merge branch 'pr-bbcnews' of https://github.com/atomicdryad/youtube-dl into atomicdry...
authorSergey M․ <dstftw@gmail.com>
Fri, 24 Jul 2015 14:21:48 +0000 (20:21 +0600)
committerSergey M․ <dstftw@gmail.com>
Fri, 24 Jul 2015 14:21:48 +0000 (20:21 +0600)
1  2 
youtube_dl/extractor/__init__.py
youtube_dl/extractor/bbc.py

index 3cfa804ecf42db5603a30162310e681c38329aac,1a9585c92647d2a2cd1fa1a5d27ad11c2bf54dcf..bc61cbdc56a92078cb0518894e069f19bebd1894
@@@ -19,14 -19,9 +19,14 @@@ from .anysex import AnySexI
  from .aol import AolIE
  from .allocine import AllocineIE
  from .aparat import AparatIE
 +from .appleconnect import AppleConnectIE
  from .appletrailers import AppleTrailersIE
  from .archiveorg import ArchiveOrgIE
 -from .ard import ARDIE, ARDMediathekIE
 +from .ard import (
 +    ARDIE,
 +    ARDMediathekIE,
 +    SportschauIE,
 +)
  from .arte import (
      ArteTvIE,
      ArteTVPlus7IE,
@@@ -43,7 -38,7 +43,7 @@@ from .azubu import AzubuI
  from .baidu import BaiduVideoIE
  from .bambuser import BambuserIE, BambuserChannelIE
  from .bandcamp import BandcampIE, BandcampAlbumIE
- from .bbccouk import BBCCoUkIE
+ from .bbc import BBCCoUkIE, BBCNewsIE
  from .beeg import BeegIE
  from .behindkink import BehindKinkIE
  from .beatportpro import BeatportProIE
@@@ -149,6 -144,7 +149,6 @@@ from .ellentv import 
  )
  from .elpais import ElPaisIE
  from .embedly import EmbedlyIE
 -from .empflix import EMPFlixIE
  from .engadget import EngadgetIE
  from .eporner import EpornerIE
  from .eroprofile import EroProfileIE
@@@ -265,17 -261,8 +265,17 @@@ from .keek import KeekI
  from .kontrtube import KontrTubeIE
  from .krasview import KrasViewIE
  from .ku6 import Ku6IE
 +from .kuwo import (
 +    KuwoIE,
 +    KuwoAlbumIE,
 +    KuwoChartIE,
 +    KuwoSingerIE,
 +    KuwoCategoryIE,
 +    KuwoMvIE,
 +)
  from .la7 import LA7IE
  from .laola1tv import Laola1TvIE
 +from .lecture2go import Lecture2GoIE
  from .letv import (
      LetvIE,
      LetvTvIE,
@@@ -337,7 -324,6 +337,7 @@@ from .musicvault import MusicVaultI
  from .muzu import MuzuTVIE
  from .myspace import MySpaceIE, MySpaceAlbumIE
  from .myspass import MySpassIE
 +from .myvi import MyviIE
  from .myvideo import MyVideoIE
  from .myvidster import MyVidsterIE
  from .nationalgeographic import NationalGeographicIE
@@@ -357,15 -343,6 +357,15 @@@ from .ndtv import NDTVI
  from .netzkino import NetzkinoIE
  from .nerdcubed import NerdCubedFeedIE
  from .nerdist import NerdistIE
 +from .neteasemusic import (
 +    NetEaseMusicIE,
 +    NetEaseMusicAlbumIE,
 +    NetEaseMusicSingerIE,
 +    NetEaseMusicListIE,
 +    NetEaseMusicMvIE,
 +    NetEaseMusicProgramIE,
 +    NetEaseMusicDjRadioIE,
 +)
  from .newgrounds import NewgroundsIE
  from .newstube import NewstubeIE
  from .nextmedia import (
@@@ -395,8 -372,7 +395,8 @@@ from .npo import 
      NPOLiveIE,
      NPORadioIE,
      NPORadioFragmentIE,
 -    TegenlichtVproIE,
 +    VPROIE,
 +    WNLIE
  )
  from .nrk import (
      NRKIE,
@@@ -412,7 -388,6 +412,7 @@@ from .nytimes import 
  from .nuvid import NuvidIE
  from .odnoklassniki import OdnoklassnikiIE
  from .oktoberfesttv import OktoberfestTVIE
 +from .onionstudios import OnionStudiosIE
  from .ooyala import (
      OoyalaIE,
      OoyalaExternalIE,
@@@ -457,7 -432,6 +457,7 @@@ from .qqmusic import 
      QQMusicSingerIE,
      QQMusicAlbumIE,
      QQMusicToplistIE,
 +    QQMusicPlaylistIE,
  )
  from .quickvid import QuickVidIE
  from .r7 import R7IE
@@@ -467,7 -441,6 +467,7 @@@ from .radiobremen import RadioBremenI
  from .radiofrance import RadioFranceIE
  from .rai import RaiIE
  from .rbmaradio import RBMARadioIE
 +from .rds import RDSIE
  from .redtube import RedTubeIE
  from .restudy import RestudyIE
  from .reverbnation import ReverbNationIE
@@@ -519,10 -492,6 +519,10 @@@ from .smotri import 
      SmotriUserIE,
      SmotriBroadcastIE,
  )
 +from .snagfilms import (
 +    SnagFilmsIE,
 +    SnagFilmsEmbedIE,
 +)
  from .snotr import SnotrIE
  from .sohu import SohuIE
  from .soompi import (
@@@ -596,7 -565,6 +596,7 @@@ from .tf1 import TF1I
  from .theonion import TheOnionIE
  from .theplatform import ThePlatformIE
  from .thesixtyone import TheSixtyOneIE
 +from .thisamericanlife import ThisAmericanLifeIE
  from .thisav import ThisAVIE
  from .tinypic import TinyPicIE
  from .tlc import TlcIE, TlcDeIE
@@@ -604,11 -572,7 +604,11 @@@ from .tmz import 
      TMZIE,
      TMZArticleIE,
  )
 -from .tnaflix import TNAFlixIE
 +from .tnaflix import (
 +    TNAFlixIE,
 +    EMPFlixIE,
 +    MovieFapIE,
 +)
  from .thvideo import (
      THVideoIE,
      THVideoPlaylistIE
@@@ -652,7 -616,6 +652,7 @@@ from .twitch import 
      TwitchBookmarksIE,
      TwitchStreamIE,
  )
 +from .twitter import TwitterCardIE
  from .ubu import UbuIE
  from .udemy import (
      UdemyIE,
@@@ -729,10 -692,7 +729,10 @@@ from .wdr import 
      WDRMobileIE,
      WDRMausIE,
  )
 -from .webofstories import WebOfStoriesIE
 +from .webofstories import (
 +    WebOfStoriesIE,
 +    WebOfStoriesPlaylistIE,
 +)
  from .weibo import WeiboIE
  from .wimp import WimpIE
  from .wistia import WistiaIE
@@@ -763,7 -723,6 +763,7 @@@ from .yandexmusic import 
      YandexMusicPlaylistIE,
  )
  from .yesjapan import YesJapanIE
 +from .yinyuetai import YinYueTaiIE
  from .ynet import YnetIE
  from .youjizz import YouJizzIE
  from .youku import YoukuIE
index b2e5f741870bc2437e1e2c126b468303ae781dda,c8f285165f7d4736d8908d83ae92e60b86c5b0e3..86327d8ed641a14d5d6fa3233f8c9f1eceeda6a3
@@@ -5,9 -5,11 +5,11 @@@ import xml.etree.ElementTre
  from .common import InfoExtractor
  from ..utils import (
      ExtractorError,
+     parse_duration,
      int_or_none,
  )
  from ..compat import compat_HTTPError
+ import re
  
  
  class BBCCoUkIE(InfoExtractor):
@@@ -15,6 -17,8 +17,8 @@@
      IE_DESC = 'BBC iPlayer'
      _VALID_URL = r'https?://(?:www\.)?bbc\.co\.uk/(?:(?:(?:programmes|iplayer(?:/[^/]+)?/(?:episode|playlist))/)|music/clips[/#])(?P<id>[\da-z]{8})'
  
+     mediaselector_url = 'http://open.live.bbc.co.uk/mediaselector/5/select/version/2.0/mediaset/pc/vpid/%s'
      _TESTS = [
          {
              'url': 'http://www.bbc.co.uk/programmes/b039g8p7',
  
      def _extract_video(self, media, programme_id):
          formats = []
 -        vbr = int(media.get('bitrate'))
 +        vbr = int_or_none(media.get('bitrate'))
          vcodec = media.get('encoding')
          service = media.get('service')
 -        width = int(media.get('width'))
 -        height = int(media.get('height'))
 -        file_size = int(media.get('media_file_size'))
 +        width = int_or_none(media.get('width'))
 +        height = int_or_none(media.get('height'))
 +        file_size = int_or_none(media.get('media_file_size'))
          for connection in self._extract_connections(media):
              conn_formats = self._extract_connection(connection, programme_id)
              for format in conn_formats:
  
      def _extract_audio(self, media, programme_id):
          formats = []
 -        abr = int(media.get('bitrate'))
 +        abr = int_or_none(media.get('bitrate'))
          acodec = media.get('encoding')
          service = media.get('service')
          for connection in self._extract_connections(media):
      def _download_media_selector(self, programme_id):
          try:
              media_selection = self._download_xml(
-                 'http://open.live.bbc.co.uk/mediaselector/5/select/version/2.0/mediaset/pc/vpid/%s' % programme_id,
+                 self.mediaselector_url % programme_id,
                  programme_id, 'Downloading media selection XML')
          except ExtractorError as ee:
              if isinstance(ee.cause, compat_HTTPError) and ee.cause.code == 403:
                      if kind != 'programme' and kind != 'radioProgramme':
                          continue
                      programme_id = item.get('vpid')
 -                    duration = int(item.get('duration'))
 +                    duration = int_or_none(item.get('duration'))
                      formats, subtitles = self._download_media_selector(programme_id)
                  return programme_id, title, description, duration, formats, subtitles
          except ExtractorError as ee:
              title = playlist.find('./{http://bbc.co.uk/2008/emp/playlist}title').text
              description = playlist.find('./{http://bbc.co.uk/2008/emp/playlist}summary').text
              programme_id = item.get('identifier')
 -            duration = int(item.get('duration'))
 +            duration = int_or_none(item.get('duration'))
              formats, subtitles = self._download_media_selector(programme_id)
  
          return programme_id, title, description, duration, formats, subtitles
              'formats': formats,
              'subtitles': subtitles,
          }
+ class BBCNewsIE(BBCCoUkIE):
+     IE_NAME = 'bbc.com'
+     IE_DESC = 'BBC news'
+     _VALID_URL = r'https?://(?:www\.)?bbc\.com/.+?/(?P<id>[^/]+)$'
+     mediaselector_url = 'http://open.live.bbc.co.uk/mediaselector/4/mtis/stream/%s'
+     _TESTS = [{
+         'url': 'http://www.bbc.com/news/world-europe-32668511',
+         'info_dict': {
+             'id': 'world-europe-32668511',
+             'title': 'Russia stages massive WW2 parade despite Western boycott',
+         },
+         'playlist_count': 2,
+     }, {
+         'url': 'http://www.bbc.com/news/business-28299555',
+         'info_dict': {
+             'id': 'business-28299555',
+             'title': 'Farnborough Airshow: Video highlights',
+         },
+         'playlist_count': 9,
+     }, {
+         'url': 'http://www.bbc.com/news/world-europe-32041533',
+         'note': 'Video',
+         'info_dict': {
+             'id': 'p02mprgb',
+             'ext': 'mp4',
+             'title': 'Aerial footage showed the site of the crash in the Alps - courtesy BFM TV',
+             'description': 'Germanwings plane crash site in aerial video - Aerial footage showed the site of the crash in the Alps - courtesy BFM TV',
+             'duration': 47,
+             'upload_date': '20150324',
+             'uploader': 'BBC News',
+         },
+         'params': {
+             'skip_download': True,
+         }
+     }, {
+         'url': 'http://www.bbc.com/turkce/haberler/2015/06/150615_telabyad_kentin_cogu',
+         'note': 'Video',
+         'info_dict': {
+             'id': 'NA',
+             'ext': 'mp4',
+             'title': 'YPG: Tel Abyad\'\u0131n tamam\u0131 kontrol\xfcm\xfczde',
+             'description': 'YPG: Tel Abyad\'\u0131n tamam\u0131 kontrol\xfcm\xfczde',
+             'duration': 47,
+             'upload_date': '20150615',
+             'uploader': 'BBC News',
+         },
+         'params': {
+             'skip_download': True,
+         }
+     }, {
+         'url': 'http://www.bbc.com/mundo/video_fotos/2015/06/150619_video_honduras_militares_hospitales_corrupcion_aw',
+         'note': 'Video',
+         'info_dict': {
+             'id': '39275083',
+             'ext': 'mp4',
+             'title': 'Honduras militariza sus hospitales por nuevo esc\xe1ndalo de corrupci\xf3n',
+             'description': 'Honduras militariza sus hospitales por nuevo esc\xe1ndalo de corrupci\xf3n',
+             'duration': 87,
+             'upload_date': '20150619',
+             'uploader': 'BBC News',
+         },
+         'params': {
+             'skip_download': True,
+         }
+     }]
+     def _real_extract(self, url):
+         list_id = self._match_id(url)
+         webpage = self._download_webpage(url, list_id)
+         list_title = self._html_search_regex(r'<title>(.*?)(?:\s*-\s*BBC [^ ]+)?</title>', webpage, 'list title')
+         pubdate = self._html_search_regex(r'"datePublished":\s*"(\d+-\d+-\d+)', webpage, 'date', default=None)
+         if pubdate:
+             pubdate = pubdate.replace('-', '')
+         ret = []
+         jsent = []
+         # works with bbc.com/news/something-something-123456 articles
+         jsent = map(
+             lambda m: self._parse_json(m, list_id),
+             re.findall(r"data-media-meta='({[^']+})'", webpage)
+         )
+         if len(jsent) == 0:
+             # http://www.bbc.com/news/video_and_audio/international
+             # and single-video articles
+             masset = self._html_search_regex(r'mediaAssetPage\.init\(\s*({.+?}), "/', webpage, 'mediaassets', default=None)
+             if masset:
+                 jmasset = self._parse_json(masset, list_id)
+                 for key, val in jmasset.get('videos', {}).items():
+                     for skey, sval in val.items():
+                         sval['id'] = skey
+                         jsent.append(sval)
+         if len(jsent) == 0:
+             # stubbornly generic extractor for {json with "image":{allvideoshavethis},etc}
+             # in http://www.bbc.com/news/video_and_audio/international
+             # prone to breaking if entries have sourceFiles list
+             jsent = map(
+                 lambda m: self._parse_json(m, list_id),
+                 re.findall(r"({[^{}]+image\":{[^}]+}[^}]+})", webpage)
+             )
+         if len(jsent) == 0:
+             raise ExtractorError('No video found', expected=True)
+         for jent in jsent:
+             programme_id = jent.get('externalId')
+             xml_url = jent.get('href')
+             title = jent.get('caption', '')
+             if title == '':
+                 title = list_title
+             duration = parse_duration(jent.get('duration'))
+             description = list_title
+             if jent.get('caption', '') != '':
+                 description += ' - ' + jent.get('caption')
+             thumbnail = None
+             if jent.get('image') is not None:
+                 thumbnail = jent['image'].get('href')
+             formats = []
+             subtitles = []
+             if programme_id:
+                 formats, subtitles = self._download_media_selector(programme_id)
+             elif jent.get('sourceFiles') is not None:
+                 # mediaselector not used at
+                 # http://www.bbc.com/turkce/haberler/2015/06/150615_telabyad_kentin_cogu
+                 for key, val in jent['sourceFiles'].items():
+                     formats.append({
+                         'ext': val.get('encoding'),
+                         'url': val.get('url'),
+                         'filesize': int(val.get('filesize')),
+                         'format_id': key
+                     })
+             elif xml_url:
+                 # Cheap fallback
+                 # http://playlists.bbc.co.uk/news/(list_id)[ABC..]/playlist.sxml
+                 xml = self._download_webpage(xml_url, programme_id, 'Downloading playlist.sxml for externalId (fallback)')
+                 programme_id = self._search_regex(r'<mediator [^>]*identifier="(.+?)"', xml, 'playlist.sxml (externalId fallback)')
+                 formats, subtitles = self._download_media_selector(programme_id)
+             if len(formats) == 0:
+                 raise ExtractorError('unsupported json media entry.\n    ' + str(jent) + '\n')
+             self._sort_formats(formats)
+             id = jent.get('id') if programme_id is None else programme_id
+             if id is None:
+                 id = 'NA'
+             ret.append({
+                 'id': id,
+                 'uploader': 'BBC News',
+                 'upload_date': pubdate,
+                 'title': title,
+                 'description': description,
+                 'thumbnail': thumbnail,
+                 'duration': duration,
+                 'formats': formats,
+                 'subtitles': subtitles,
+             })
+         if len(ret) > 0:
+             return self.playlist_result(ret, list_id, list_title)
+         raise ExtractorError('No video found', expected=True)