yt-dlc/youtube_dl/extractor/malltv.py

59 lines
2.8 KiB
Python

# coding: utf-8
from __future__ import unicode_literals
import re
from .common import InfoExtractor
from ..utils import parse_duration, merge_dicts
class MallTVIE(InfoExtractor):
_VALID_URL = r'https?://(?:www\.)?mall\.tv/(?:.+/)?(?P<id>.+)(?:\?.*$|$)'
_TESTS = [
{
'url': 'https://www.mall.tv/18-miliard-pro-neziskovky-opravdu-jsou-sportovci-nebo-clovek-v-tisni-pijavice',
'md5': '9ced0de056534410837077e23bfba796',
'info_dict': {
'id': 't0zzt0',
'ext': 'mp4',
'title': '18 miliard pro neziskovky. Opravdu jsou sportovci nebo Člověk v tísni pijavice?',
'description': 'Pokud někdo hospodaří s penězmi daňových poplatníků, pak logicky chceme vědět, jak s nimi nakládá. Objem dotací pro neziskovky roste, ale opravdu jsou tyto organizace „pijavice", jak o nich hovoří And',
'upload_date': '20181007',
'timestamp': 1538870400
}
},
{
'url': 'https://www.mall.tv/kdo-to-plati/18-miliard-pro-neziskovky-opravdu-jsou-sportovci-nebo-clovek-v-tisni-pijavice',
'md5': '9ced0de056534410837077e23bfba796',
'only_matching': 1,
'info_dict': {
'id': 't0zzt0',
'ext': 'mp4',
'title': '18 miliard pro neziskovky. Opravdu jsou sportovci nebo Člověk v tísni pijavice?',
'description': 'Pokud někdo hospodaří s penězmi daňových poplatníků, pak logicky chceme vědět, jak s nimi nakládá. Objem dotací pro neziskovky roste, ale opravdu jsou tyto organizace „pijavice", jak o nich hovoří And',
'upload_date': '20181007',
'timestamp': 1538870400
}
}
]
def _real_extract(self, url):
display_id = self._match_id(url)
webpage = self._download_webpage(url, display_id)
src_id_regex = r'(?P<src><source src=([\"\'])?.+?/(?P<id>\w{6,}?)/index)(?P<after>\1?[^>]*?>)'
video_id = self._search_regex(src_id_regex, webpage, 'ID',
group='id')
info = self._search_json_ld(webpage, video_id, default={})
html = re.sub(src_id_regex, r'\g<src>.m3u8\g<after>', webpage)
media = self._parse_html5_media_entries(url, html, video_id)
thumbnail = info.get('thumbnail', self._og_search_thumbnail(webpage))
duration = parse_duration(info.get('duration'))
result = {
'id': video_id,
'title': info.get('title', self._og_search_title(webpage)),
'description': self._og_search_description(webpage)
}
result.update({'thumbnail': thumbnail})
result.update({'duration': duration})
return merge_dicts(media[0], info, result)