]> gitweb @ CieloNegro.org - youtube-dl.git/blob - youtube_dl/extractor/francetv.py
[ard] Improve _VALID_URL (closes #25134) (#25198)
[youtube-dl.git] / youtube_dl / extractor / francetv.py
1 # coding: utf-8
2
3 from __future__ import unicode_literals
4
5 import re
6
7 from .common import InfoExtractor
8 from ..compat import (
9     compat_str,
10     compat_urlparse,
11 )
12 from ..utils import (
13     clean_html,
14     determine_ext,
15     ExtractorError,
16     int_or_none,
17     parse_duration,
18     try_get,
19     url_or_none,
20 )
21 from .dailymotion import DailymotionIE
22
23
24 class FranceTVBaseInfoExtractor(InfoExtractor):
25     def _make_url_result(self, video_or_full_id, catalog=None):
26         full_id = 'francetv:%s' % video_or_full_id
27         if '@' not in video_or_full_id and catalog:
28             full_id += '@%s' % catalog
29         return self.url_result(
30             full_id, ie=FranceTVIE.ie_key(),
31             video_id=video_or_full_id.split('@')[0])
32
33
34 class FranceTVIE(InfoExtractor):
35     _VALID_URL = r'''(?x)
36                     (?:
37                         https?://
38                             sivideo\.webservices\.francetelevisions\.fr/tools/getInfosOeuvre/v2/\?
39                             .*?\bidDiffusion=[^&]+|
40                         (?:
41                             https?://videos\.francetv\.fr/video/|
42                             francetv:
43                         )
44                         (?P<id>[^@]+)(?:@(?P<catalog>.+))?
45                     )
46                     '''
47
48     _TESTS = [{
49         # without catalog
50         'url': 'https://sivideo.webservices.francetelevisions.fr/tools/getInfosOeuvre/v2/?idDiffusion=162311093&callback=_jsonp_loader_callback_request_0',
51         'md5': 'c2248a8de38c4e65ea8fae7b5df2d84f',
52         'info_dict': {
53             'id': '162311093',
54             'ext': 'mp4',
55             'title': '13h15, le dimanche... - Les mystères de Jésus',
56             'description': 'md5:75efe8d4c0a8205e5904498ffe1e1a42',
57             'timestamp': 1502623500,
58             'upload_date': '20170813',
59         },
60     }, {
61         # with catalog
62         'url': 'https://sivideo.webservices.francetelevisions.fr/tools/getInfosOeuvre/v2/?idDiffusion=NI_1004933&catalogue=Zouzous&callback=_jsonp_loader_callback_request_4',
63         'only_matching': True,
64     }, {
65         'url': 'http://videos.francetv.fr/video/NI_657393@Regions',
66         'only_matching': True,
67     }, {
68         'url': 'francetv:162311093',
69         'only_matching': True,
70     }, {
71         'url': 'francetv:NI_1004933@Zouzous',
72         'only_matching': True,
73     }, {
74         'url': 'francetv:NI_983319@Info-web',
75         'only_matching': True,
76     }, {
77         'url': 'francetv:NI_983319',
78         'only_matching': True,
79     }, {
80         'url': 'francetv:NI_657393@Regions',
81         'only_matching': True,
82     }, {
83         # france-3 live
84         'url': 'francetv:SIM_France3',
85         'only_matching': True,
86     }]
87
88     def _extract_video(self, video_id, catalogue=None):
89         # Videos are identified by idDiffusion so catalogue part is optional.
90         # However when provided, some extra formats may be returned so we pass
91         # it if available.
92         info = self._download_json(
93             'https://sivideo.webservices.francetelevisions.fr/tools/getInfosOeuvre/v2/',
94             video_id, 'Downloading video JSON', query={
95                 'idDiffusion': video_id,
96                 'catalogue': catalogue or '',
97             })
98
99         if info.get('status') == 'NOK':
100             raise ExtractorError(
101                 '%s returned error: %s' % (self.IE_NAME, info['message']),
102                 expected=True)
103         allowed_countries = info['videos'][0].get('geoblocage')
104         if allowed_countries:
105             georestricted = True
106             geo_info = self._download_json(
107                 'http://geo.francetv.fr/ws/edgescape.json', video_id,
108                 'Downloading geo restriction info')
109             country = geo_info['reponse']['geo_info']['country_code']
110             if country not in allowed_countries:
111                 raise ExtractorError(
112                     'The video is not available from your location',
113                     expected=True)
114         else:
115             georestricted = False
116
117         def sign(manifest_url, manifest_id):
118             for host in ('hdfauthftv-a.akamaihd.net', 'hdfauth.francetv.fr'):
119                 signed_url = url_or_none(self._download_webpage(
120                     'https://%s/esi/TA' % host, video_id,
121                     'Downloading signed %s manifest URL' % manifest_id,
122                     fatal=False, query={
123                         'url': manifest_url,
124                     }))
125                 if signed_url:
126                     return signed_url
127             return manifest_url
128
129         is_live = None
130
131         formats = []
132         for video in info['videos']:
133             if video['statut'] != 'ONLINE':
134                 continue
135             video_url = video['url']
136             if not video_url:
137                 continue
138             if is_live is None:
139                 is_live = (try_get(
140                     video, lambda x: x['plages_ouverture'][0]['direct'],
141                     bool) is True) or '/live.francetv.fr/' in video_url
142             format_id = video['format']
143             ext = determine_ext(video_url)
144             if ext == 'f4m':
145                 if georestricted:
146                     # See https://github.com/ytdl-org/youtube-dl/issues/3963
147                     # m3u8 urls work fine
148                     continue
149                 formats.extend(self._extract_f4m_formats(
150                     sign(video_url, format_id) + '&hdcore=3.7.0&plugin=aasp-3.7.0.39.44',
151                     video_id, f4m_id=format_id, fatal=False))
152             elif ext == 'm3u8':
153                 formats.extend(self._extract_m3u8_formats(
154                     sign(video_url, format_id), video_id, 'mp4',
155                     entry_protocol='m3u8_native', m3u8_id=format_id,
156                     fatal=False))
157             elif video_url.startswith('rtmp'):
158                 formats.append({
159                     'url': video_url,
160                     'format_id': 'rtmp-%s' % format_id,
161                     'ext': 'flv',
162                 })
163             else:
164                 if self._is_valid_url(video_url, video_id, format_id):
165                     formats.append({
166                         'url': video_url,
167                         'format_id': format_id,
168                     })
169         self._sort_formats(formats)
170
171         title = info['titre']
172         subtitle = info.get('sous_titre')
173         if subtitle:
174             title += ' - %s' % subtitle
175         title = title.strip()
176
177         subtitles = {}
178         subtitles_list = [{
179             'url': subformat['url'],
180             'ext': subformat.get('format'),
181         } for subformat in info.get('subtitles', []) if subformat.get('url')]
182         if subtitles_list:
183             subtitles['fr'] = subtitles_list
184
185         return {
186             'id': video_id,
187             'title': self._live_title(title) if is_live else title,
188             'description': clean_html(info['synopsis']),
189             'thumbnail': compat_urlparse.urljoin('http://pluzz.francetv.fr', info['image']),
190             'duration': int_or_none(info.get('real_duration')) or parse_duration(info['duree']),
191             'timestamp': int_or_none(info['diffusion']['timestamp']),
192             'is_live': is_live,
193             'formats': formats,
194             'subtitles': subtitles,
195         }
196
197     def _real_extract(self, url):
198         mobj = re.match(self._VALID_URL, url)
199         video_id = mobj.group('id')
200         catalog = mobj.group('catalog')
201
202         if not video_id:
203             qs = compat_urlparse.parse_qs(compat_urlparse.urlparse(url).query)
204             video_id = qs.get('idDiffusion', [None])[0]
205             catalog = qs.get('catalogue', [None])[0]
206             if not video_id:
207                 raise ExtractorError('Invalid URL', expected=True)
208
209         return self._extract_video(video_id, catalog)
210
211
212 class FranceTVSiteIE(FranceTVBaseInfoExtractor):
213     _VALID_URL = r'https?://(?:(?:www\.)?france\.tv|mobile\.france\.tv)/(?:[^/]+/)*(?P<id>[^/]+)\.html'
214
215     _TESTS = [{
216         'url': 'https://www.france.tv/france-2/13h15-le-dimanche/140921-les-mysteres-de-jesus.html',
217         'info_dict': {
218             'id': 'ec217ecc-0733-48cf-ac06-af1347b849d1',
219             'ext': 'mp4',
220             'title': '13h15, le dimanche... - Les mystères de Jésus',
221             'description': 'md5:75efe8d4c0a8205e5904498ffe1e1a42',
222             'timestamp': 1502623500,
223             'upload_date': '20170813',
224         },
225         'params': {
226             'skip_download': True,
227         },
228         'add_ie': [FranceTVIE.ie_key()],
229     }, {
230         # france3
231         'url': 'https://www.france.tv/france-3/des-chiffres-et-des-lettres/139063-emission-du-mardi-9-mai-2017.html',
232         'only_matching': True,
233     }, {
234         # france4
235         'url': 'https://www.france.tv/france-4/hero-corp/saison-1/134151-apres-le-calme.html',
236         'only_matching': True,
237     }, {
238         # france5
239         'url': 'https://www.france.tv/france-5/c-a-dire/saison-10/137013-c-a-dire.html',
240         'only_matching': True,
241     }, {
242         # franceo
243         'url': 'https://www.france.tv/france-o/archipels/132249-mon-ancetre-l-esclave.html',
244         'only_matching': True,
245     }, {
246         # france2 live
247         'url': 'https://www.france.tv/france-2/direct.html',
248         'only_matching': True,
249     }, {
250         'url': 'https://www.france.tv/documentaires/histoire/136517-argentine-les-500-bebes-voles-de-la-dictature.html',
251         'only_matching': True,
252     }, {
253         'url': 'https://www.france.tv/jeux-et-divertissements/divertissements/133965-le-web-contre-attaque.html',
254         'only_matching': True,
255     }, {
256         'url': 'https://mobile.france.tv/france-5/c-dans-l-air/137347-emission-du-vendredi-12-mai-2017.html',
257         'only_matching': True,
258     }, {
259         'url': 'https://www.france.tv/142749-rouge-sang.html',
260         'only_matching': True,
261     }, {
262         # france-3 live
263         'url': 'https://www.france.tv/france-3/direct.html',
264         'only_matching': True,
265     }]
266
267     def _real_extract(self, url):
268         display_id = self._match_id(url)
269
270         webpage = self._download_webpage(url, display_id)
271
272         catalogue = None
273         video_id = self._search_regex(
274             r'(?:data-main-video\s*=|videoId["\']?\s*[:=])\s*(["\'])(?P<id>(?:(?!\1).)+)\1',
275             webpage, 'video id', default=None, group='id')
276
277         if not video_id:
278             video_id, catalogue = self._html_search_regex(
279                 r'(?:href=|player\.setVideo\(\s*)"http://videos?\.francetv\.fr/video/([^@]+@[^"]+)"',
280                 webpage, 'video ID').split('@')
281
282         return self._make_url_result(video_id, catalogue)
283
284
285 class FranceTVEmbedIE(FranceTVBaseInfoExtractor):
286     _VALID_URL = r'https?://embed\.francetv\.fr/*\?.*?\bue=(?P<id>[^&]+)'
287
288     _TESTS = [{
289         'url': 'http://embed.francetv.fr/?ue=7fd581a2ccf59d2fc5719c5c13cf6961',
290         'info_dict': {
291             'id': 'NI_983319',
292             'ext': 'mp4',
293             'title': 'Le Pen Reims',
294             'upload_date': '20170505',
295             'timestamp': 1493981780,
296             'duration': 16,
297         },
298         'params': {
299             'skip_download': True,
300         },
301         'add_ie': [FranceTVIE.ie_key()],
302     }]
303
304     def _real_extract(self, url):
305         video_id = self._match_id(url)
306
307         video = self._download_json(
308             'http://api-embed.webservices.francetelevisions.fr/key/%s' % video_id,
309             video_id)
310
311         return self._make_url_result(video['video_id'], video.get('catalog'))
312
313
314 class FranceTVInfoIE(FranceTVBaseInfoExtractor):
315     IE_NAME = 'francetvinfo.fr'
316     _VALID_URL = r'https?://(?:www|mobile|france3-regions)\.francetvinfo\.fr/(?:[^/]+/)*(?P<id>[^/?#&.]+)'
317
318     _TESTS = [{
319         'url': 'http://www.francetvinfo.fr/replay-jt/france-3/soir-3/jt-grand-soir-3-lundi-26-aout-2013_393427.html',
320         'info_dict': {
321             'id': '84981923',
322             'ext': 'mp4',
323             'title': 'Soir 3',
324             'upload_date': '20130826',
325             'timestamp': 1377548400,
326             'subtitles': {
327                 'fr': 'mincount:2',
328             },
329         },
330         'params': {
331             'skip_download': True,
332         },
333         'add_ie': [FranceTVIE.ie_key()],
334     }, {
335         'url': 'http://www.francetvinfo.fr/elections/europeennes/direct-europeennes-regardez-le-debat-entre-les-candidats-a-la-presidence-de-la-commission_600639.html',
336         'only_matching': True,
337     }, {
338         'url': 'http://www.francetvinfo.fr/economie/entreprises/les-entreprises-familiales-le-secret-de-la-reussite_933271.html',
339         'only_matching': True,
340     }, {
341         'url': 'http://france3-regions.francetvinfo.fr/bretagne/cotes-d-armor/thalassa-echappee-breizh-ce-venredi-dans-les-cotes-d-armor-954961.html',
342         'only_matching': True,
343     }, {
344         # Dailymotion embed
345         'url': 'http://www.francetvinfo.fr/politique/notre-dame-des-landes/video-sur-france-inter-cecile-duflot-denonce-le-regard-meprisant-de-patrick-cohen_1520091.html',
346         'md5': 'ee7f1828f25a648addc90cb2687b1f12',
347         'info_dict': {
348             'id': 'x4iiko0',
349             'ext': 'mp4',
350             'title': 'NDDL, référendum, Brexit : Cécile Duflot répond à Patrick Cohen',
351             'description': 'Au lendemain de la victoire du "oui" au référendum sur l\'aéroport de Notre-Dame-des-Landes, l\'ancienne ministre écologiste est l\'invitée de Patrick Cohen. Plus d\'info : https://www.franceinter.fr/emissions/le-7-9/le-7-9-27-juin-2016',
352             'timestamp': 1467011958,
353             'upload_date': '20160627',
354             'uploader': 'France Inter',
355             'uploader_id': 'x2q2ez',
356         },
357         'add_ie': ['Dailymotion'],
358     }, {
359         'url': 'http://france3-regions.francetvinfo.fr/limousin/emissions/jt-1213-limousin',
360         'only_matching': True,
361     }]
362
363     def _real_extract(self, url):
364         display_id = self._match_id(url)
365
366         webpage = self._download_webpage(url, display_id)
367
368         dailymotion_urls = DailymotionIE._extract_urls(webpage)
369         if dailymotion_urls:
370             return self.playlist_result([
371                 self.url_result(dailymotion_url, DailymotionIE.ie_key())
372                 for dailymotion_url in dailymotion_urls])
373
374         video_id = self._search_regex(
375             (r'player\.load[^;]+src:\s*["\']([^"\']+)',
376              r'id-video=([^@]+@[^"]+)',
377              r'<a[^>]+href="(?:https?:)?//videos\.francetv\.fr/video/([^@]+@[^"]+)"'),
378             webpage, 'video id')
379
380         return self._make_url_result(video_id)
381
382
383 class FranceTVInfoSportIE(FranceTVBaseInfoExtractor):
384     IE_NAME = 'sport.francetvinfo.fr'
385     _VALID_URL = r'https?://sport\.francetvinfo\.fr/(?:[^/]+/)*(?P<id>[^/?#&]+)'
386     _TESTS = [{
387         'url': 'https://sport.francetvinfo.fr/les-jeux-olympiques/retour-sur-les-meilleurs-moments-de-pyeongchang-2018',
388         'info_dict': {
389             'id': '6e49080e-3f45-11e8-b459-000d3a2439ea',
390             'ext': 'mp4',
391             'title': 'Retour sur les meilleurs moments de Pyeongchang 2018',
392             'timestamp': 1523639962,
393             'upload_date': '20180413',
394         },
395         'params': {
396             'skip_download': True,
397         },
398         'add_ie': [FranceTVIE.ie_key()],
399     }]
400
401     def _real_extract(self, url):
402         display_id = self._match_id(url)
403         webpage = self._download_webpage(url, display_id)
404         video_id = self._search_regex(r'data-video="([^"]+)"', webpage, 'video_id')
405         return self._make_url_result(video_id, 'Sport-web')
406
407
408 class GenerationWhatIE(InfoExtractor):
409     IE_NAME = 'france2.fr:generation-what'
410     _VALID_URL = r'https?://generation-what\.francetv\.fr/[^/]+/video/(?P<id>[^/?#&]+)'
411
412     _TESTS = [{
413         'url': 'http://generation-what.francetv.fr/portrait/video/present-arms',
414         'info_dict': {
415             'id': 'wtvKYUG45iw',
416             'ext': 'mp4',
417             'title': 'Generation What - Garde à vous - FRA',
418             'uploader': 'Generation What',
419             'uploader_id': 'UCHH9p1eetWCgt4kXBYCb3_w',
420             'upload_date': '20160411',
421         },
422         'params': {
423             'skip_download': True,
424         },
425         'add_ie': ['Youtube'],
426     }, {
427         'url': 'http://generation-what.francetv.fr/europe/video/present-arms',
428         'only_matching': True,
429     }]
430
431     def _real_extract(self, url):
432         display_id = self._match_id(url)
433
434         webpage = self._download_webpage(url, display_id)
435
436         youtube_id = self._search_regex(
437             r"window\.videoURL\s*=\s*'([0-9A-Za-z_-]{11})';",
438             webpage, 'youtube id')
439
440         return self.url_result(youtube_id, ie='Youtube', video_id=youtube_id)
441
442
443 class CultureboxIE(FranceTVBaseInfoExtractor):
444     _VALID_URL = r'https?://(?:m\.)?culturebox\.francetvinfo\.fr/(?:[^/]+/)*(?P<id>[^/?#&]+)'
445
446     _TESTS = [{
447         'url': 'https://culturebox.francetvinfo.fr/opera-classique/musique-classique/c-est-baroque/concerts/cantates-bwv-4-106-et-131-de-bach-par-raphael-pichon-57-268689',
448         'info_dict': {
449             'id': 'EV_134885',
450             'ext': 'mp4',
451             'title': 'Cantates BWV 4, 106 et 131 de Bach par Raphaël Pichon 5/7',
452             'description': 'md5:19c44af004b88219f4daa50fa9a351d4',
453             'upload_date': '20180206',
454             'timestamp': 1517945220,
455             'duration': 5981,
456         },
457         'params': {
458             'skip_download': True,
459         },
460         'add_ie': [FranceTVIE.ie_key()],
461     }]
462
463     def _real_extract(self, url):
464         display_id = self._match_id(url)
465
466         webpage = self._download_webpage(url, display_id)
467
468         if ">Ce live n'est plus disponible en replay<" in webpage:
469             raise ExtractorError(
470                 'Video %s is not available' % display_id, expected=True)
471
472         video_id, catalogue = self._search_regex(
473             r'["\'>]https?://videos\.francetv\.fr/video/([^@]+@.+?)["\'<]',
474             webpage, 'video id').split('@')
475
476         return self._make_url_result(video_id, catalogue)
477
478
479 class FranceTVJeunesseIE(FranceTVBaseInfoExtractor):
480     _VALID_URL = r'(?P<url>https?://(?:www\.)?(?:zouzous|ludo)\.fr/heros/(?P<id>[^/?#&]+))'
481
482     _TESTS = [{
483         'url': 'https://www.zouzous.fr/heros/simon',
484         'info_dict': {
485             'id': 'simon',
486         },
487         'playlist_count': 9,
488     }, {
489         'url': 'https://www.ludo.fr/heros/ninjago',
490         'info_dict': {
491             'id': 'ninjago',
492         },
493         'playlist_count': 10,
494     }, {
495         'url': 'https://www.zouzous.fr/heros/simon?abc',
496         'only_matching': True,
497     }]
498
499     def _real_extract(self, url):
500         mobj = re.match(self._VALID_URL, url)
501         playlist_id = mobj.group('id')
502
503         playlist = self._download_json(
504             '%s/%s' % (mobj.group('url'), 'playlist'), playlist_id)
505
506         if not playlist.get('count'):
507             raise ExtractorError(
508                 '%s is not available' % playlist_id, expected=True)
509
510         entries = []
511         for item in playlist['items']:
512             identity = item.get('identity')
513             if identity and isinstance(identity, compat_str):
514                 entries.append(self._make_url_result(identity))
515
516         return self.playlist_result(entries, playlist_id)