mirror of
https://codeberg.org/polarisfm/youtube-dl
synced 2024-11-26 10:24:33 +01:00
[CRTVG] Add new extractor
This commit is contained in:
m8factorial
parent
00eb865b3c
commit
8efa309b20
155
youtube_dl/extractor/crtvg.py
Normal file
155
youtube_dl/extractor/crtvg.py
Normal file
@ -0,0 +1,155 @@
|
|||||||
|
|
||||||
|
# coding: utf-8
|
||||||
|
from __future__ import unicode_literals
|
||||||
|
|
||||||
|
import re
|
||||||
|
|
||||||
|
from .common import InfoExtractor
|
||||||
|
from ..utils import (
|
||||||
|
unescapeHTML,
|
||||||
|
unified_strdate,
|
||||||
|
)
|
||||||
|
|
||||||
|
|
||||||
|
class CRTVGIE(InfoExtractor):
|
||||||
|
_VALID_URL = r'https?://(?:www\.)?crtvg\.(?:gal|es)/(?P<category>rg/a-carta|rg/podcast|rg/destacados|tvg/a-carta|informativos|en-serie)/(?:[^/]+/)*(?P<slug>[A-Za-z0-9-]*)-(?P<id>[0-9]{4,})?'
|
||||||
|
_TESTS = [{
|
||||||
|
'url': 'http://www.crtvg.es/tvg/a-carta/pepe-o-ingles-28-best-of',
|
||||||
|
'info_dict': {
|
||||||
|
'id': '594037',
|
||||||
|
'ext': 'mp4',
|
||||||
|
'title': 'The Best of... (O mellor de Pepe o Inglés)',
|
||||||
|
'description': 'Lola conta como andan as cousas en Cruceiro un ano despois, con Pepe e Pilar por Londres e Filipa e o alcalde vivindo en Marbella e presenta o último episodio, un resume co mellor da serie, unha especie de propina como dia ela.',
|
||||||
|
'series': 'Pepe o inglés',
|
||||||
|
'release_date': '20130527',
|
||||||
|
},
|
||||||
|
}, {
|
||||||
|
'url': 'http://www.crtvg.es/rg/podcast/a-bola-extra-a-bola-extra-do-dia-21-04-2020-4383702',
|
||||||
|
'info_dict': {
|
||||||
|
'id': '4383702',
|
||||||
|
'ext': 'mp3',
|
||||||
|
'title': 'A bóla extra do día 21/04/2020',
|
||||||
|
'description': None,
|
||||||
|
'series': 'A bóla extra',
|
||||||
|
'release_date': '20200421',
|
||||||
|
},
|
||||||
|
}]
|
||||||
|
|
||||||
|
def _real_extract(self, url):
|
||||||
|
|
||||||
|
media_id = self._match_id(url)
|
||||||
|
|
||||||
|
category = re.match(self._VALID_URL, url).group('category')
|
||||||
|
webpage = self._download_webpage(url, media_id)
|
||||||
|
|
||||||
|
if media_id is None or media_id == 'None':
|
||||||
|
media_id = self._html_search_regex(
|
||||||
|
r'metadata\[\'ns_st_ci\'\][ ]*=[ ]*(\d{4,})',
|
||||||
|
webpage, 'media_id', group=1, fatal=False)
|
||||||
|
|
||||||
|
# Radio Galega in mp3, otherwise mp4
|
||||||
|
ext = 'mp3' if 'rg' in category else 'mp4'
|
||||||
|
|
||||||
|
media_url = self._html_search_regex(
|
||||||
|
r'https?://(?:www\.)?.*flumotion.com/videos/(?:[^/]+/)*?([A-Za-z0-9\-_]*)\.' + ext,
|
||||||
|
webpage, 'media_url', group=0)
|
||||||
|
|
||||||
|
if 'a-carta' in category or 'destacados' in category:
|
||||||
|
title = unescapeHTML(self._html_search_regex(
|
||||||
|
r'<h2 class="destacado-info-titulo-programa">(?:\s*)?([^\n\r]*)(?:\s*)?</h2>',
|
||||||
|
webpage, 'title', group=1, fatal=False))
|
||||||
|
description = unescapeHTML(self._html_search_regex(
|
||||||
|
r'<div class="entrada-contenido">(?:\s*)?([^\n\r]*)(?:\s*)?',
|
||||||
|
webpage, 'description', fatal=False))
|
||||||
|
series = unescapeHTML(self._html_search_regex(
|
||||||
|
r'<h2 class="decorativo">(?:\s*)?<a href="(?:[^"]*)?"(?:\s*)?title="([^"]*)?">',
|
||||||
|
webpage, 'series', group=1, fatal=False))
|
||||||
|
release_date = unescapeHTML(self._html_search_regex(
|
||||||
|
r'<div class="entrada-blog-fecha">(?:\s*)?(?:\D*)?(\d{2}/\d{2}/\d{4})',
|
||||||
|
webpage, 'release_date', group=1, fatal=False))
|
||||||
|
release_date = unified_strdate(release_date)
|
||||||
|
|
||||||
|
elif category == 'en-serie':
|
||||||
|
title = unescapeHTML(self._html_search_regex(
|
||||||
|
r'<div class="ficha">(?:\s*)?<h2>(.*)?</h2>',
|
||||||
|
webpage, 'title', group=1, fatal=False))
|
||||||
|
description = unescapeHTML(self._html_search_regex(
|
||||||
|
r'<div class="ficha">(?:\s*)?<h2>(?:.*)?</h2>(?:\s*)<p>(.*)?</p>',
|
||||||
|
webpage, 'description', fatal=False))
|
||||||
|
series = unescapeHTML(self._html_search_regex(
|
||||||
|
r'<div class="titulo-serie">(?:\s*)?<h1>(.*)?</h1>(?:\s*)',
|
||||||
|
webpage, 'series', group=1, flags=re.S, fatal=False))
|
||||||
|
release_date = unescapeHTML(self._html_search_regex(
|
||||||
|
r'metadata\[\'ns_st_ddt\'\][ ]*=[ ]*\'?(\d{4}\-\d{2}\-\d{2})',
|
||||||
|
webpage, 'release_date', group=1, fatal=False))
|
||||||
|
release_date = unified_strdate(release_date)
|
||||||
|
|
||||||
|
elif category == 'informativos':
|
||||||
|
title = unescapeHTML(self._html_search_regex(
|
||||||
|
r'<h3 class="entrada-titulo">(.*)?</h3>',
|
||||||
|
webpage, 'title', group=1, fatal=False))
|
||||||
|
description = unescapeHTML(self._html_search_meta(
|
||||||
|
('og:description', 'og:description'),
|
||||||
|
webpage, 'description', fatal=False))
|
||||||
|
series = 'Noticias de Galicia'
|
||||||
|
release_date = unescapeHTML(self._html_search_regex(
|
||||||
|
r'<div class="entrada-blog-fecha">(?:\s*)?(?:\D*)?(\d{2}/\d{2}/\d{4})',
|
||||||
|
webpage, 'release_date', group=1, fatal=False))
|
||||||
|
release_date = unified_strdate(release_date)
|
||||||
|
|
||||||
|
elif category == 'rg/podcast':
|
||||||
|
title = unescapeHTML(self._html_search_regex(
|
||||||
|
r'<title>(.*)?</title>',
|
||||||
|
webpage, 'series', group=1, fatal=False))
|
||||||
|
description = None
|
||||||
|
series = unescapeHTML(self._html_search_regex(
|
||||||
|
r'<div class="titulo">(?:\s*)?<a href="(?:[^"]*)?"(?:\s*)?title="([^"]*)?">',
|
||||||
|
webpage, 'series', group=1, fatal=False))
|
||||||
|
release_date = unescapeHTML(self._html_search_regex(
|
||||||
|
r'<title>(?:\D*)?(\d{2}/\d{2}/\d{4})',
|
||||||
|
webpage, 'release_date', group=1, fatal=False))
|
||||||
|
release_date = unified_strdate(release_date)
|
||||||
|
|
||||||
|
else:
|
||||||
|
title = unescapeHTML(self._html_search_meta(
|
||||||
|
('title', 'og:title'),
|
||||||
|
webpage, 'title', fatal=False))
|
||||||
|
if 'rg' not in category:
|
||||||
|
description = unescapeHTML(self._html_search_meta(
|
||||||
|
('og:description', 'og:description'),
|
||||||
|
webpage, 'description', fatal=False))
|
||||||
|
else:
|
||||||
|
description = None
|
||||||
|
series = unescapeHTML(self._html_search_regex(
|
||||||
|
r'<title>(.*)?</title>',
|
||||||
|
webpage, 'series', group=1, fatal=False))
|
||||||
|
release_date = None
|
||||||
|
|
||||||
|
if title is not None and "|" in title:
|
||||||
|
title = title.split("|")[0].rstrip()
|
||||||
|
|
||||||
|
if series is not None and "|" in series:
|
||||||
|
series = series.split("|")[0].rstrip()
|
||||||
|
|
||||||
|
formats = []
|
||||||
|
if 'rg' in category:
|
||||||
|
formats.append({
|
||||||
|
'format_id': 'audio',
|
||||||
|
'url': media_url,
|
||||||
|
'ext': ext,
|
||||||
|
'vcode': None,
|
||||||
|
'acodec': ext,
|
||||||
|
})
|
||||||
|
else:
|
||||||
|
formats = self._extract_m3u8_formats(
|
||||||
|
media_url + '/playlist.m3u8',
|
||||||
|
media_id, ext='mp4', fatal=False)
|
||||||
|
self._sort_formats(formats)
|
||||||
|
|
||||||
|
return {'id': media_id,
|
||||||
|
'title': title,
|
||||||
|
'description': description,
|
||||||
|
'series': series,
|
||||||
|
'release_date': release_date,
|
||||||
|
'formats': formats,
|
||||||
|
}
|
||||||
@ -235,6 +235,7 @@ from .corus import CorusIE
|
|||||||
from .cracked import CrackedIE
|
from .cracked import CrackedIE
|
||||||
from .crackle import CrackleIE
|
from .crackle import CrackleIE
|
||||||
from .crooksandliars import CrooksAndLiarsIE
|
from .crooksandliars import CrooksAndLiarsIE
|
||||||
|
from .crtvg import CRTVGIE
|
||||||
from .crunchyroll import (
|
from .crunchyroll import (
|
||||||
CrunchyrollIE,
|
CrunchyrollIE,
|
||||||
CrunchyrollShowPlaylistIE
|
CrunchyrollShowPlaylistIE
|
||||||
|
|||||||
Loading…
Reference in New Issue
Block a user