mirror of
https://github.com/yt-dlp/yt-dlp.git
synced 2024-11-08 18:30:37 +00:00
[ie/telecinco] Fix extractors (#11142)
Closes #10986, Closes #11106 Authored by: DarkZeros, bashonly Co-authored-by: bashonly <88596187+bashonly@users.noreply.github.com>
This commit is contained in:
parent
40054cb4a7
commit
0b7ec08816
@ -1,14 +1,13 @@
|
|||||||
from .telecinco import TelecincoIE
|
from .telecinco import TelecincoBaseIE
|
||||||
from ..utils import (
|
from ..utils import (
|
||||||
int_or_none,
|
int_or_none,
|
||||||
parse_iso8601,
|
parse_iso8601,
|
||||||
)
|
)
|
||||||
|
|
||||||
|
|
||||||
class MiTeleIE(TelecincoIE): # XXX: Do not subclass from concrete IE
|
class MiTeleIE(TelecincoBaseIE):
|
||||||
IE_DESC = 'mitele.es'
|
IE_DESC = 'mitele.es'
|
||||||
_VALID_URL = r'https?://(?:www\.)?mitele\.es/(?:[^/]+/)+(?P<id>[^/]+)/player'
|
_VALID_URL = r'https?://(?:www\.)?mitele\.es/(?:[^/]+/)+(?P<id>[^/]+)/player'
|
||||||
|
|
||||||
_TESTS = [{
|
_TESTS = [{
|
||||||
'url': 'http://www.mitele.es/programas-tv/diario-de/57b0dfb9c715da65618b4afa/player',
|
'url': 'http://www.mitele.es/programas-tv/diario-de/57b0dfb9c715da65618b4afa/player',
|
||||||
'info_dict': {
|
'info_dict': {
|
||||||
@ -27,6 +26,7 @@ class MiTeleIE(TelecincoIE): # XXX: Do not subclass from concrete IE
|
|||||||
'timestamp': 1471209401,
|
'timestamp': 1471209401,
|
||||||
'upload_date': '20160814',
|
'upload_date': '20160814',
|
||||||
},
|
},
|
||||||
|
'skip': 'HTTP Error 404 Not Found',
|
||||||
}, {
|
}, {
|
||||||
# no explicit title
|
# no explicit title
|
||||||
'url': 'http://www.mitele.es/programas-tv/cuarto-milenio/57b0de3dc915da14058b4876/player',
|
'url': 'http://www.mitele.es/programas-tv/cuarto-milenio/57b0de3dc915da14058b4876/player',
|
||||||
@ -49,6 +49,26 @@ class MiTeleIE(TelecincoIE): # XXX: Do not subclass from concrete IE
|
|||||||
'params': {
|
'params': {
|
||||||
'skip_download': True,
|
'skip_download': True,
|
||||||
},
|
},
|
||||||
|
'skip': 'HTTP Error 404 Not Found',
|
||||||
|
}, {
|
||||||
|
'url': 'https://www.mitele.es/programas-tv/horizonte/temporada-5/programa-171-40_013480051/player/',
|
||||||
|
'info_dict': {
|
||||||
|
'id': '7adbe22e-cd41-4787-afa4-36f3da7c2c6f',
|
||||||
|
'ext': 'mp4',
|
||||||
|
'title': 'Horizonte Temporada 5 Programa 171',
|
||||||
|
'description': 'md5:97f1fb712c5ac27e5693a8b3c5c0c6e3',
|
||||||
|
'episode': 'Las Zonas de Bajas Emisiones, a debate',
|
||||||
|
'episode_number': 171,
|
||||||
|
'season': 'Season 5',
|
||||||
|
'season_number': 5,
|
||||||
|
'series': 'Horizonte',
|
||||||
|
'duration': 7012,
|
||||||
|
'upload_date': '20240927',
|
||||||
|
'timestamp': 1727416450,
|
||||||
|
'thumbnail': 'https://album.mediaset.es/eimg/2024/09/27/horizonte-171_9f02.jpg',
|
||||||
|
'age_limit': 12,
|
||||||
|
},
|
||||||
|
'params': {'geo_bypass_country': 'ES'},
|
||||||
}, {
|
}, {
|
||||||
'url': 'http://www.mitele.es/series-online/la-que-se-avecina/57aac5c1c915da951a8b45ed/player',
|
'url': 'http://www.mitele.es/series-online/la-que-se-avecina/57aac5c1c915da951a8b45ed/player',
|
||||||
'only_matching': True,
|
'only_matching': True,
|
||||||
|
@ -2,15 +2,69 @@ import json
|
|||||||
import re
|
import re
|
||||||
|
|
||||||
from .common import InfoExtractor
|
from .common import InfoExtractor
|
||||||
|
from ..networking.exceptions import HTTPError
|
||||||
from ..utils import (
|
from ..utils import (
|
||||||
|
ExtractorError,
|
||||||
clean_html,
|
clean_html,
|
||||||
int_or_none,
|
int_or_none,
|
||||||
|
join_nonempty,
|
||||||
str_or_none,
|
str_or_none,
|
||||||
try_get,
|
traverse_obj,
|
||||||
|
update_url,
|
||||||
|
url_or_none,
|
||||||
)
|
)
|
||||||
|
|
||||||
|
|
||||||
class TelecincoIE(InfoExtractor):
|
class TelecincoBaseIE(InfoExtractor):
|
||||||
|
def _parse_content(self, content, url):
|
||||||
|
video_id = content['dataMediaId']
|
||||||
|
config = self._download_json(
|
||||||
|
content['dataConfig'], video_id, 'Downloading config JSON')
|
||||||
|
services = config['services']
|
||||||
|
caronte = self._download_json(services['caronte'], video_id)
|
||||||
|
if traverse_obj(caronte, ('dls', 0, 'drm', {bool})):
|
||||||
|
self.report_drm(video_id)
|
||||||
|
|
||||||
|
stream = caronte['dls'][0]['stream']
|
||||||
|
headers = {
|
||||||
|
'Referer': url,
|
||||||
|
'Origin': re.match(r'https?://[^/]+', url).group(0),
|
||||||
|
}
|
||||||
|
geo_headers = {**headers, **self.geo_verification_headers()}
|
||||||
|
|
||||||
|
try:
|
||||||
|
cdn = self._download_json(
|
||||||
|
caronte['cerbero'], video_id, data=json.dumps({
|
||||||
|
'bbx': caronte['bbx'],
|
||||||
|
'gbx': self._download_json(services['gbx'], video_id)['gbx'],
|
||||||
|
}).encode(), headers={
|
||||||
|
'Content-Type': 'application/json',
|
||||||
|
**geo_headers,
|
||||||
|
})['tokens']['1']['cdn']
|
||||||
|
except ExtractorError as error:
|
||||||
|
if isinstance(error.cause, HTTPError) and error.cause.status == 403:
|
||||||
|
error_code = traverse_obj(
|
||||||
|
self._webpage_read_content(error.cause.response, caronte['cerbero'], video_id, fatal=False),
|
||||||
|
({json.loads}, 'code', {int}))
|
||||||
|
if error_code == 4038:
|
||||||
|
self.raise_geo_restricted(countries=['ES'])
|
||||||
|
raise
|
||||||
|
|
||||||
|
formats = self._extract_m3u8_formats(
|
||||||
|
update_url(stream, query=cdn), video_id, 'mp4', m3u8_id='hls', headers=geo_headers)
|
||||||
|
|
||||||
|
return {
|
||||||
|
'id': video_id,
|
||||||
|
'title': traverse_obj(config, ('info', 'title', {str})),
|
||||||
|
'formats': formats,
|
||||||
|
'thumbnail': (traverse_obj(content, ('dataPoster', {url_or_none}))
|
||||||
|
or traverse_obj(config, 'poster', 'imageUrl', expected_type=url_or_none)),
|
||||||
|
'duration': traverse_obj(content, ('dataDuration', {int_or_none})),
|
||||||
|
'http_headers': headers,
|
||||||
|
}
|
||||||
|
|
||||||
|
|
||||||
|
class TelecincoIE(TelecincoBaseIE):
|
||||||
IE_DESC = 'telecinco.es, cuatro.com and mediaset.es'
|
IE_DESC = 'telecinco.es, cuatro.com and mediaset.es'
|
||||||
_VALID_URL = r'https?://(?:www\.)?(?:telecinco\.es|cuatro\.com|mediaset\.es)/(?:[^/]+/)+(?P<id>.+?)\.html'
|
_VALID_URL = r'https?://(?:www\.)?(?:telecinco\.es|cuatro\.com|mediaset\.es)/(?:[^/]+/)+(?P<id>.+?)\.html'
|
||||||
|
|
||||||
@ -30,6 +84,7 @@ class TelecincoIE(InfoExtractor):
|
|||||||
'duration': 662,
|
'duration': 662,
|
||||||
},
|
},
|
||||||
}],
|
}],
|
||||||
|
'skip': 'HTTP Error 410 Gone',
|
||||||
}, {
|
}, {
|
||||||
'url': 'http://www.cuatro.com/deportes/futbol/barcelona/Leo_Messi-Champions-Roma_2_2052780128.html',
|
'url': 'http://www.cuatro.com/deportes/futbol/barcelona/Leo_Messi-Champions-Roma_2_2052780128.html',
|
||||||
'md5': 'c86fe0d99e3bdb46b7950d38bf6ef12a',
|
'md5': 'c86fe0d99e3bdb46b7950d38bf6ef12a',
|
||||||
@ -40,23 +95,24 @@ class TelecincoIE(InfoExtractor):
|
|||||||
'description': 'md5:a62ecb5f1934fc787107d7b9a2262805',
|
'description': 'md5:a62ecb5f1934fc787107d7b9a2262805',
|
||||||
'duration': 79,
|
'duration': 79,
|
||||||
},
|
},
|
||||||
|
'skip': 'Redirects to main page',
|
||||||
}, {
|
}, {
|
||||||
'url': 'http://www.mediaset.es/12meses/campanas/doylacara/conlatratanohaytrato/Ayudame-dar-cara-trata-trato_2_1986630220.html',
|
'url': 'http://www.mediaset.es/12meses/campanas/doylacara/conlatratanohaytrato/Ayudame-dar-cara-trata-trato_2_1986630220.html',
|
||||||
'md5': 'eddb50291df704ce23c74821b995bcac',
|
'md5': '5ce057f43f30b634fbaf0f18c71a140a',
|
||||||
'info_dict': {
|
'info_dict': {
|
||||||
'id': 'aywerkD2Sv1vGNqq9b85Q2',
|
'id': 'aywerkD2Sv1vGNqq9b85Q2',
|
||||||
'ext': 'mp4',
|
'ext': 'mp4',
|
||||||
'title': '#DOYLACARA. Con la trata no hay trato',
|
'title': '#DOYLACARA. Con la trata no hay trato',
|
||||||
'description': 'md5:2771356ff7bfad9179c5f5cd954f1477',
|
|
||||||
'duration': 50,
|
'duration': 50,
|
||||||
|
'thumbnail': 'https://album.mediaset.es/eimg/2017/11/02/1tlQLO5Q3mtKT24f3EaC24.jpg',
|
||||||
},
|
},
|
||||||
}, {
|
}, {
|
||||||
# video in opening's content
|
# video in opening's content
|
||||||
'url': 'https://www.telecinco.es/vivalavida/fiorella-sobrina-edmundo-arrocet-entrevista_18_2907195140.html',
|
'url': 'https://www.telecinco.es/vivalavida/fiorella-sobrina-edmundo-arrocet-entrevista_18_2907195140.html',
|
||||||
'info_dict': {
|
'info_dict': {
|
||||||
'id': '2907195140',
|
'id': '1691427',
|
||||||
'title': 'La surrealista entrevista a la sobrina de Edmundo Arrocet: "No puedes venir aquí y tomarnos por tontos"',
|
'title': 'La surrealista entrevista a la sobrina de Edmundo Arrocet: "No puedes venir aquí y tomarnos por tontos"',
|
||||||
'description': 'md5:73f340a7320143d37ab895375b2bf13a',
|
'description': r're:Fiorella, la sobrina de Edmundo Arrocet, concedió .{727}',
|
||||||
},
|
},
|
||||||
'playlist': [{
|
'playlist': [{
|
||||||
'md5': 'adb28c37238b675dad0f042292f209a7',
|
'md5': 'adb28c37238b675dad0f042292f209a7',
|
||||||
@ -65,6 +121,7 @@ class TelecincoIE(InfoExtractor):
|
|||||||
'ext': 'mp4',
|
'ext': 'mp4',
|
||||||
'title': 'La surrealista entrevista a la sobrina de Edmundo Arrocet: "No puedes venir aquí y tomarnos por tontos"',
|
'title': 'La surrealista entrevista a la sobrina de Edmundo Arrocet: "No puedes venir aquí y tomarnos por tontos"',
|
||||||
'duration': 1015,
|
'duration': 1015,
|
||||||
|
'thumbnail': 'https://album.mediaset.es/eimg/2020/02/29/5opaC37lUhKlZ7FoDhiVC.jpg',
|
||||||
},
|
},
|
||||||
}],
|
}],
|
||||||
'params': {
|
'params': {
|
||||||
@ -81,66 +138,29 @@ class TelecincoIE(InfoExtractor):
|
|||||||
'only_matching': True,
|
'only_matching': True,
|
||||||
}]
|
}]
|
||||||
|
|
||||||
def _parse_content(self, content, url):
|
|
||||||
video_id = content['dataMediaId']
|
|
||||||
config = self._download_json(
|
|
||||||
content['dataConfig'], video_id, 'Downloading config JSON')
|
|
||||||
title = config['info']['title']
|
|
||||||
services = config['services']
|
|
||||||
caronte = self._download_json(services['caronte'], video_id)
|
|
||||||
stream = caronte['dls'][0]['stream']
|
|
||||||
headers = self.geo_verification_headers()
|
|
||||||
headers.update({
|
|
||||||
'Content-Type': 'application/json;charset=UTF-8',
|
|
||||||
'Origin': re.match(r'https?://[^/]+', url).group(0),
|
|
||||||
})
|
|
||||||
cdn = self._download_json(
|
|
||||||
caronte['cerbero'], video_id, data=json.dumps({
|
|
||||||
'bbx': caronte['bbx'],
|
|
||||||
'gbx': self._download_json(services['gbx'], video_id)['gbx'],
|
|
||||||
}).encode(), headers=headers)['tokens']['1']['cdn']
|
|
||||||
formats = self._extract_m3u8_formats(
|
|
||||||
stream + '?' + cdn, video_id, 'mp4', 'm3u8_native', m3u8_id='hls')
|
|
||||||
|
|
||||||
return {
|
|
||||||
'id': video_id,
|
|
||||||
'title': title,
|
|
||||||
'formats': formats,
|
|
||||||
'thumbnail': content.get('dataPoster') or config.get('poster', {}).get('imageUrl'),
|
|
||||||
'duration': int_or_none(content.get('dataDuration')),
|
|
||||||
}
|
|
||||||
|
|
||||||
def _real_extract(self, url):
|
def _real_extract(self, url):
|
||||||
display_id = self._match_id(url)
|
display_id = self._match_id(url)
|
||||||
webpage = self._download_webpage(url, display_id)
|
webpage = self._download_webpage(url, display_id)
|
||||||
article = self._parse_json(self._search_regex(
|
article = self._search_json(
|
||||||
r'window\.\$REACTBASE_STATE\.article(?:_multisite)?\s*=\s*({.+})',
|
r'window\.\$REACTBASE_STATE\.article(?:_multisite)?\s*=',
|
||||||
webpage, 'article'), display_id)['article']
|
webpage, 'article', display_id)['article']
|
||||||
title = article.get('title')
|
description = traverse_obj(article, ('leadParagraph', {clean_html}, filter))
|
||||||
description = clean_html(article.get('leadParagraph')) or ''
|
|
||||||
if article.get('editorialType') != 'VID':
|
if article.get('editorialType') != 'VID':
|
||||||
entries = []
|
entries = []
|
||||||
body = [article.get('opening')]
|
|
||||||
body.extend(try_get(article, lambda x: x['body'], list) or [])
|
for p in traverse_obj(article, ((('opening', all), 'body'), lambda _, v: v['content'])):
|
||||||
for p in body:
|
content = p['content']
|
||||||
if not isinstance(p, dict):
|
|
||||||
continue
|
|
||||||
content = p.get('content')
|
|
||||||
if not content:
|
|
||||||
continue
|
|
||||||
type_ = p.get('type')
|
type_ = p.get('type')
|
||||||
if type_ == 'paragraph':
|
if type_ == 'paragraph' and isinstance(content, str):
|
||||||
content_str = str_or_none(content)
|
description = join_nonempty(description, content, delim='')
|
||||||
if content_str:
|
elif type_ == 'video' and isinstance(content, dict):
|
||||||
description += content_str
|
|
||||||
continue
|
|
||||||
if type_ == 'video' and isinstance(content, dict):
|
|
||||||
entries.append(self._parse_content(content, url))
|
entries.append(self._parse_content(content, url))
|
||||||
|
|
||||||
return self.playlist_result(
|
return self.playlist_result(
|
||||||
entries, str_or_none(article.get('id')), title, description)
|
entries, str_or_none(article.get('id')),
|
||||||
content = article['opening']['content']
|
traverse_obj(article, ('title', {str})), clean_html(description))
|
||||||
info = self._parse_content(content, url)
|
|
||||||
info.update({
|
info = self._parse_content(article['opening']['content'], url)
|
||||||
'description': description,
|
info['description'] = description
|
||||||
})
|
|
||||||
return info
|
return info
|
||||||
|
Loading…
Reference in New Issue
Block a user