mirror of
https://github.com/ytdl-org/youtube-dl
synced 2024-11-02 16:37:59 +09:00
Fix 'RTP Arquivos' downloads, allow subtitles download, more tests, general cleanup
This commit is contained in:
vallovic
parent
89a75524e6
commit
6bde4a1377
@ -3,6 +3,7 @@ from __future__ import unicode_literals
|
|||||||
|
|
||||||
from .common import InfoExtractor
|
from .common import InfoExtractor
|
||||||
from ..utils import (
|
from ..utils import (
|
||||||
|
ExtractorError,
|
||||||
determine_ext,
|
determine_ext,
|
||||||
js_to_json,
|
js_to_json,
|
||||||
)
|
)
|
||||||
@ -17,13 +18,53 @@ import re
|
|||||||
class RTPIE(InfoExtractor):
|
class RTPIE(InfoExtractor):
|
||||||
_VALID_URL = r'https?://(?:(?:(?:www\.)?rtp\.pt/play/(?P<subarea>.*/)?p(?P<program_id>[0-9]+)/(?P<episode_id>e[0-9]+/)?)|(?:arquivos\.rtp\.pt/conteudos/))(?P<id>[^/?#]+)/?'
|
_VALID_URL = r'https?://(?:(?:(?:www\.)?rtp\.pt/play/(?P<subarea>.*/)?p(?P<program_id>[0-9]+)/(?P<episode_id>e[0-9]+/)?)|(?:arquivos\.rtp\.pt/conteudos/))(?P<id>[^/?#]+)/?'
|
||||||
_TESTS = [{
|
_TESTS = [{
|
||||||
'url': 'https://www.rtp.pt/play/p117/e476527/os-contemporaneos',
|
'url': 'https://www.rtp.pt/play/p117/e563265/os-contemporaneos',
|
||||||
'info_dict': {
|
'info_dict': {
|
||||||
'id': 'os-contemporaneos',
|
'id': 'os-contemporaneos',
|
||||||
'ext': 'mp4',
|
'ext': 'mp4',
|
||||||
'title': 'Os Contemporâneos Episódio 1 - RTP Play - RTP',
|
'title': 'Os Contemporâneos Episódio 1',
|
||||||
'description': 'Os Contemporâneos, um programa de humor com um olhar na sociedade portuguesa!',
|
'description': 'Os Contemporâneos, um programa de humor com um olhar na sociedade portuguesa!',
|
||||||
'thumbnail': r're:^https?://.*\.jpg',
|
'thumbnail': r're:^https?://.*\.(jpg|png)'
|
||||||
|
},
|
||||||
|
}, {
|
||||||
|
'url': 'https://www.rtp.pt/play/p8157/e541212/telejornal',
|
||||||
|
'info_dict': {
|
||||||
|
'id': 'telejornal',
|
||||||
|
'ext': 'mp4',
|
||||||
|
'title': 'Telejornal de 01 Mai 2021 PARTE 1',
|
||||||
|
'description': 'A mais rigorosa seleção de notícias, todos os dias às 20h00. De segunda a domingo, João Adelino Faria e José Rodrigues dos Santos mostram-lhe o que de'
|
||||||
|
},
|
||||||
|
}, {
|
||||||
|
'url': 'https://www.rtp.pt/play/p6646/e457262/grande-entrevista',
|
||||||
|
'info_dict': {
|
||||||
|
'id': 'grande-entrevista',
|
||||||
|
'ext': 'mp4',
|
||||||
|
'title': 'Grande Entrevista Episódio 7 - de 19 Fev 2020',
|
||||||
|
'description': 'Bruno Nogueira - É um dos mais originais humoristas portugueses e de maior êxito! Bruno Nogueira na Grande Entrevista com Vítor Gonçalves.'
|
||||||
|
},
|
||||||
|
}, {
|
||||||
|
'url': 'https://www.rtp.pt/play/estudoemcasa/p7776/e539826/portugues-1-ano',
|
||||||
|
'info_dict': {
|
||||||
|
'id': 'portugues-1-ano',
|
||||||
|
'ext': 'mp4',
|
||||||
|
'title': 'Português - 1.º ano , aula 45 - 27 Abr 2021 - Estudo Em Casa - RTP',
|
||||||
|
'description': 'A História do Pedrito Coelho, de Beatrix Potter. O dígrafo \'lh\' - A História do Pedrito Coelho, de Beatrix Potter. O dígrafo \'lh\'.'
|
||||||
|
},
|
||||||
|
}, {
|
||||||
|
'url': 'https://www.rtp.pt/play/zigzag/p5449/e385973/banda-zig-zag',
|
||||||
|
'info_dict': {
|
||||||
|
'id': 'banda-zig-zag',
|
||||||
|
'ext': 'mp4',
|
||||||
|
'title': 'Banda Zig Zag Episódio 1 - Zig Zag Play - RTP',
|
||||||
|
'description': 'A Amizade é o Nosso Mel - Zig: é a menina que além de tocar também canta. Adora aprender palavras novas e adora ler. Gosta de fazer palavras cruzadas'
|
||||||
|
},
|
||||||
|
}, {
|
||||||
|
'url': 'https://arquivos.rtp.pt/conteudos/liga-dos-ultimos-152/',
|
||||||
|
'info_dict': {
|
||||||
|
'id': 'liga-dos-ultimos-152',
|
||||||
|
'ext': 'mp4',
|
||||||
|
'title': 'Liga dos Últimos – RTP Arquivos',
|
||||||
|
'description': 'Magazine desportivo, com apresentação de Álvaro Costa e comentários em estúdio do professor Hernâni Gonçalves e do sociólogo João Nuno Coelho. Destaque para os jogos de futebol das equipas dos escalões secundários de Portugal, com momentos dos jogos: Agrário de Lamas vs Pampilhoense e Apúlia vs Fragoso.'
|
||||||
},
|
},
|
||||||
}, {
|
}, {
|
||||||
'url': 'https://www.rtp.pt/play/p510/aleixo-fm',
|
'url': 'https://www.rtp.pt/play/p510/aleixo-fm',
|
||||||
@ -40,8 +81,11 @@ class RTPIE(InfoExtractor):
|
|||||||
|
|
||||||
title = self._html_search_regex(r'<title>(.+?)</title>', webpage, 'title')
|
title = self._html_search_regex(r'<title>(.+?)</title>', webpage, 'title')
|
||||||
|
|
||||||
|
if 'Este episódio não se encontra disponível' in title:
|
||||||
|
raise ExtractorError('Episode unavailable', expected=True)
|
||||||
|
|
||||||
# Replace irrelevant text in title
|
# Replace irrelevant text in title
|
||||||
title = title.replace(' - RTP Play - RTP', '')
|
title = re.sub(r' - ?RTP Play - RTP', '', title)
|
||||||
|
|
||||||
# Check if it's a video split in parts, if so add part number to title
|
# Check if it's a video split in parts, if so add part number to title
|
||||||
part = self._html_search_regex(r'section\-parts.*<span.*>(.+?)</span>.*</ul>', webpage, 'part', default=None)
|
part = self._html_search_regex(r'section\-parts.*<span.*>(.+?)</span>.*</ul>', webpage, 'part', default=None)
|
||||||
@ -52,69 +96,94 @@ class RTPIE(InfoExtractor):
|
|||||||
js_object = self._search_regex(r'(?s)RTPPlayer *\( *({.+?}) *\);', webpage, 'player config')
|
js_object = self._search_regex(r'(?s)RTPPlayer *\( *({.+?}) *\);', webpage, 'player config')
|
||||||
|
|
||||||
json_string_for_config = ''
|
json_string_for_config = ''
|
||||||
|
filekey_found = False
|
||||||
|
|
||||||
# Verify JS object since it isn't pure JSON and maybe it needs some decodings
|
# Verify JS object since it isn't pure JSON and probably needs some fixing
|
||||||
for line in js_object.splitlines():
|
for line in js_object.splitlines():
|
||||||
stripped_line = line.strip()
|
stripped_line = line.strip()
|
||||||
|
|
||||||
# If JS object key is 'file'
|
# If JS object key is 'fileKey'
|
||||||
if re.match('file ?:', stripped_line):
|
if re.match('fileKey ?:', stripped_line):
|
||||||
|
filekey_found = True
|
||||||
if 'decodeURIComponent' in stripped_line:
|
if 'decodeURIComponent' in stripped_line:
|
||||||
# 1) The file URL is inside object and with HLS encoded...
|
# 1) The value is an encoded URL
|
||||||
hls_encoded = re.match(r"[^[]*\[([^]]*)\]", stripped_line).groups()[0]
|
encoded_url = re.match(r"[^[]*\[([^]]*)\]", stripped_line).groups()[0]
|
||||||
hls_encoded = hls_encoded.replace('"', '').replace('\'', '').replace(',', '')
|
encoded_url = re.sub(r'[\s"\',]', '', encoded_url)
|
||||||
|
|
||||||
if 'atob' in stripped_line:
|
if 'atob' in stripped_line:
|
||||||
decoded_file_url = compat_b64decode(
|
# Most of the times 'atob' approach is used but not always so we need to be sure
|
||||||
|
decoded_url = compat_b64decode(
|
||||||
compat_urllib_parse_unquote(
|
compat_urllib_parse_unquote(
|
||||||
hls_encoded.replace('"', '').replace(',', ''))).decode('utf-8')
|
encoded_url)).decode('utf-8')
|
||||||
else:
|
else:
|
||||||
decoded_file_url = compat_urllib_parse_unquote(hls_encoded)
|
# If no 'atob' we just need to unquote it
|
||||||
|
decoded_url = compat_urllib_parse_unquote(encoded_url)
|
||||||
|
|
||||||
# Workaround for new behaviour
|
# Insert the (relative) decoded URL in JSON
|
||||||
decoded_file_url = decoded_file_url.replace('streaming-vod.rtp.pt/hls/', 'streaming-ondemand.rtp.pt/').replace('.mp4/', '/')
|
json_string_for_config += f'\nfileKey: "{decoded_url}",'
|
||||||
|
|
||||||
# Insert the decoded HLS file URL into pure JSON string
|
|
||||||
json_string_for_config += '\nfile: "' + decoded_file_url + '",'
|
|
||||||
else:
|
else:
|
||||||
# 2) ... or the file URL is not encoded so keep it that way
|
# 2) ... or the value URL is not encoded so keep it that way
|
||||||
json_string_for_config += '\n' + line
|
json_string_for_config += f'\n{stripped_line}'
|
||||||
|
|
||||||
elif not stripped_line.startswith("//") and not re.match('fileKey ?:', stripped_line) and not re.match('.*extraSettings ?:', stripped_line):
|
elif (
|
||||||
# Ignore commented lines, 'fileKey' entry since it is no longer supported by RTP and also 'extraSettings'
|
not stripped_line.startswith("//")
|
||||||
json_string_for_config += '\n' + line
|
and not re.match('.*extraSettings ?:', stripped_line)
|
||||||
|
and (not filekey_found or (filekey_found and not re.match('file ?:', stripped_line)))
|
||||||
|
):
|
||||||
|
# Ignore commented lines and 'extraSettings'. Also ignore 'file' if 'fileKey' already exists
|
||||||
|
json_string_for_config += f'\n{stripped_line}'
|
||||||
|
|
||||||
# Finally send pure JSON string for JSON parsing
|
# Finally send pure JSON string for JSON parsing
|
||||||
config = self._parse_json(json_string_for_config, video_id, js_to_json)
|
config = self._parse_json(json_string_for_config, video_id, js_to_json)
|
||||||
|
|
||||||
# Check if file URL is directly a string or is still inside object
|
if 'fileKey' in config:
|
||||||
if isinstance(config['file'], str):
|
# 'fileKey' has priority over 'file' on our end
|
||||||
|
file_url = config['fileKey']
|
||||||
|
elif 'file' in config:
|
||||||
|
# 'RTP Arquivos' still uses old regular non-encoded 'file' key
|
||||||
file_url = config['file']
|
file_url = config['file']
|
||||||
else:
|
else:
|
||||||
file_url = config['file']['hls']
|
raise ExtractorError('No valid media source found in page')
|
||||||
|
|
||||||
ext = determine_ext(file_url)
|
ext = determine_ext(file_url)
|
||||||
|
|
||||||
if ext == 'm3u8':
|
if ext == 'mp4':
|
||||||
# Download via m3u8 file
|
# Due to recent changes, we need to hardcode the URL like this and download it using 'm3u8'
|
||||||
|
file_url = f'https://streaming-vod.rtp.pt/hls{file_url}/index-v1-a1.m3u8'
|
||||||
|
|
||||||
|
formats = self._extract_m3u8_formats(
|
||||||
|
file_url, video_id, 'mp4', 'm3u8_native',
|
||||||
|
m3u8_id='hls')
|
||||||
|
elif ext == 'm3u8':
|
||||||
|
# It can be downloaded without any further changes
|
||||||
formats = self._extract_m3u8_formats(
|
formats = self._extract_m3u8_formats(
|
||||||
file_url, video_id, 'mp4', 'm3u8_native',
|
file_url, video_id, 'mp4', 'm3u8_native',
|
||||||
m3u8_id='hls')
|
m3u8_id='hls')
|
||||||
|
|
||||||
self._sort_formats(formats)
|
|
||||||
else:
|
else:
|
||||||
|
# Need to set basepath
|
||||||
|
file_url = f'https://cdn-ondemand.rtp.pt{file_url}'
|
||||||
formats = [{
|
formats = [{
|
||||||
'url': file_url,
|
'url': file_url,
|
||||||
'ext': ext,
|
'ext': ext,
|
||||||
}]
|
}]
|
||||||
|
|
||||||
if config.get('mediaType') == 'audio':
|
if config['mediaType'] == 'audio':
|
||||||
for f in formats:
|
for f in formats:
|
||||||
f['vcodec'] = 'none'
|
f['vcodec'] = 'none'
|
||||||
|
|
||||||
|
subtitles = {}
|
||||||
|
if 'vtt' in config:
|
||||||
|
sub_lang, sub_lang_full, sub_url = config['vtt'][0]
|
||||||
|
subtitles.setdefault(sub_lang, []).append({
|
||||||
|
'url': sub_url,
|
||||||
|
'ext': 'vtt',
|
||||||
|
})
|
||||||
|
|
||||||
return {
|
return {
|
||||||
'id': video_id,
|
'id': video_id,
|
||||||
'title': title,
|
'title': title,
|
||||||
'formats': formats,
|
'formats': formats,
|
||||||
'description': self._html_search_meta(['description', 'twitter:description'], webpage),
|
'subtitles': subtitles,
|
||||||
'thumbnail': config.get('poster') or self._og_search_thumbnail(webpage),
|
'description': self._html_search_meta(['og:description', 'description', 'twitter:description'], webpage),
|
||||||
|
'thumbnail': config['poster'] or self._og_search_thumbnail(webpage),
|
||||||
}
|
}
|
||||||
|
|||||||
Loading…
Reference in New Issue
Block a user