[rcs] Add new extractor
This commit is contained in:
parent
ddb77f30ee
commit
a85e131b48
3 changed files with 421 additions and 0 deletions
|
@ -936,6 +936,12 @@ from .raywenderlich import (
|
|||
RayWenderlichCourseIE,
|
||||
)
|
||||
from .rbmaradio import RBMARadioIE
|
||||
from .rcs import (
|
||||
CorriereIE,
|
||||
GazzettaIE,
|
||||
RCSEmbedsIE,
|
||||
RCSVariousIE,
|
||||
)
|
||||
from .rds import RDSIE
|
||||
from .redbulltv import (
|
||||
RedBullTVIE,
|
||||
|
|
|
@ -119,6 +119,7 @@ from .expressen import ExpressenIE
|
|||
from .zype import ZypeIE
|
||||
from .odnoklassniki import OdnoklassnikiIE
|
||||
from .kinja import KinjaEmbedIE
|
||||
from .rcs import RCSEmbedsIE
|
||||
|
||||
|
||||
class GenericIE(InfoExtractor):
|
||||
|
@ -3213,6 +3214,12 @@ class GenericIE(InfoExtractor):
|
|||
return self.playlist_from_matches(
|
||||
zype_urls, video_id, video_title, ie=ZypeIE.ie_key())
|
||||
|
||||
# Look for RCS media group embeds
|
||||
rcs_urls = RCSEmbedsIE._extract_urls(webpage)
|
||||
if rcs_urls:
|
||||
return self.playlist_from_matches(
|
||||
rcs_urls, video_id, video_title, ie=RCSEmbedsIE.ie_key())
|
||||
|
||||
# Look for HTML5 media
|
||||
entries = self._parse_html5_media_entries(url, webpage, video_id, m3u8_id='hls')
|
||||
if entries:
|
||||
|
|
408
youtube_dlc/extractor/rcs.py
Normal file
408
youtube_dlc/extractor/rcs.py
Normal file
|
@ -0,0 +1,408 @@
|
|||
# coding: utf-8
|
||||
from __future__ import unicode_literals
|
||||
|
||||
import re
|
||||
|
||||
from .common import InfoExtractor
|
||||
from ..utils import (
|
||||
clean_html,
|
||||
ExtractorError,
|
||||
js_to_json,
|
||||
base_url,
|
||||
url_basename,
|
||||
urljoin,
|
||||
)
|
||||
|
||||
|
||||
class RCSIE(InfoExtractor):
|
||||
_ALL_REPLACE = {
|
||||
'media2vam.corriere.it.edgesuite.net':
|
||||
'media2vam-corriere-it.akamaized.net',
|
||||
'media.youreporter.it.edgesuite.net':
|
||||
'media-youreporter-it.akamaized.net',
|
||||
'corrierepmd.corriere.it.edgesuite.net':
|
||||
'corrierepmd-corriere-it.akamaized.net',
|
||||
'media2vam-corriere-it.akamaized.net/fcs.quotidiani/vr/videos/':
|
||||
'video.corriere.it/vr360/videos/',
|
||||
'.net//': '.net/',
|
||||
}
|
||||
_MP4_REPLACE = {
|
||||
'media2vam.corbologna.corriere.it.edgesuite.net':
|
||||
'media2vam-bologna-corriere-it.akamaized.net',
|
||||
'media2vam.corfiorentino.corriere.it.edgesuite.net':
|
||||
'media2vam-fiorentino-corriere-it.akamaized.net',
|
||||
'media2vam.cormezzogiorno.corriere.it.edgesuite.net':
|
||||
'media2vam-mezzogiorno-corriere-it.akamaized.net',
|
||||
'media2vam.corveneto.corriere.it.edgesuite.net':
|
||||
'media2vam-veneto-corriere-it.akamaized.net',
|
||||
'media2.oggi.it.edgesuite.net':
|
||||
'media2-oggi-it.akamaized.net',
|
||||
'media2.quimamme.it.edgesuite.net':
|
||||
'media2-quimamme-it.akamaized.net',
|
||||
'media2.amica.it.edgesuite.net':
|
||||
'media2-amica-it.akamaized.net',
|
||||
'media2.living.corriere.it.edgesuite.net':
|
||||
'media2-living-corriere-it.akamaized.net',
|
||||
'media2.style.corriere.it.edgesuite.net':
|
||||
'media2-style-corriere-it.akamaized.net',
|
||||
'media2.iodonna.it.edgesuite.net':
|
||||
'media2-iodonna-it.akamaized.net',
|
||||
'media2.leitv.it.edgesuite.net':
|
||||
'media2-leitv-it.akamaized.net',
|
||||
}
|
||||
_MIGRATION_MAP = {
|
||||
'videoamica-vh.akamaihd': 'amica',
|
||||
'media2-amica-it.akamaized': 'amica',
|
||||
'corrierevam-vh.akamaihd': 'corriere',
|
||||
'media2vam-corriere-it.akamaized': 'corriere',
|
||||
'cormezzogiorno-vh.akamaihd': 'corrieredelmezzogiorno',
|
||||
'media2vam-mezzogiorno-corriere-it.akamaized': 'corrieredelmezzogiorno',
|
||||
'corveneto-vh.akamaihd': 'corrieredelveneto',
|
||||
'media2vam-veneto-corriere-it.akamaized': 'corrieredelveneto',
|
||||
'corbologna-vh.akamaihd': 'corrieredibologna',
|
||||
'media2vam-bologna-corriere-it.akamaized': 'corrieredibologna',
|
||||
'corfiorentino-vh.akamaihd': 'corrierefiorentino',
|
||||
'media2vam-fiorentino-corriere-it.akamaized': 'corrierefiorentino',
|
||||
'corinnovazione-vh.akamaihd': 'corriereinnovazione',
|
||||
'media2-gazzanet-gazzetta-it.akamaized': 'gazzanet',
|
||||
'videogazzanet-vh.akamaihd': 'gazzanet',
|
||||
'videogazzaworld-vh.akamaihd': 'gazzaworld',
|
||||
'gazzettavam-vh.akamaihd': 'gazzetta',
|
||||
'media2vam-gazzetta-it.akamaized': 'gazzetta',
|
||||
'videoiodonna-vh.akamaihd': 'iodonna',
|
||||
'media2-leitv-it.akamaized': 'leitv',
|
||||
'videoleitv-vh.akamaihd': 'leitv',
|
||||
'videoliving-vh.akamaihd': 'living',
|
||||
'media2-living-corriere-it.akamaized': 'living',
|
||||
'media2-oggi-it.akamaized': 'oggi',
|
||||
'videooggi-vh.akamaihd': 'oggi',
|
||||
'media2-quimamme-it.akamaized': 'quimamme',
|
||||
'quimamme-vh.akamaihd': 'quimamme',
|
||||
'videorunning-vh.akamaihd': 'running',
|
||||
'media2-style-corriere-it.akamaized': 'style',
|
||||
'style-vh.akamaihd': 'style',
|
||||
'videostyle-vh.akamaihd': 'style',
|
||||
'media2-stylepiccoli-it.akamaized': 'stylepiccoli',
|
||||
'stylepiccoli-vh.akamaihd': 'stylepiccoli',
|
||||
'doveviaggi-vh.akamaihd': 'viaggi',
|
||||
'media2-doveviaggi-it.akamaized': 'viaggi',
|
||||
'media2-vivimilano-corriere-it.akamaized': 'vivimilano',
|
||||
'vivimilano-vh.akamaihd': 'vivimilano',
|
||||
'media2-youreporter-it.akamaized': 'youreporter'
|
||||
}
|
||||
_MIGRATION_MEDIA = {
|
||||
'advrcs-vh.akamaihd': '',
|
||||
'corriere-f.akamaihd': '',
|
||||
'corrierepmd-corriere-it.akamaized': '',
|
||||
'corrprotetto-vh.akamaihd': '',
|
||||
'gazzetta-f.akamaihd': '',
|
||||
'gazzettapmd-gazzetta-it.akamaized': '',
|
||||
'gazzprotetto-vh.akamaihd': '',
|
||||
'periodici-f.akamaihd': '',
|
||||
'periodicisecure-vh.akamaihd': '',
|
||||
'videocoracademy-vh.akamaihd': ''
|
||||
}
|
||||
|
||||
def _get_video_src(self, video):
|
||||
mediaFiles = video['mediaProfile']['mediaFile']
|
||||
src = {}
|
||||
# audio
|
||||
if video['mediaType'] == 'AUDIO':
|
||||
for aud in mediaFiles:
|
||||
# todo: check
|
||||
src['mp3'] = aud['value']
|
||||
# video
|
||||
else:
|
||||
for vid in mediaFiles:
|
||||
if vid['mimeType'] == 'application/vnd.apple.mpegurl':
|
||||
src['m3u8'] = vid['value']
|
||||
if vid['mimeType'] == 'video/mp4':
|
||||
src['mp4'] = vid['value']
|
||||
|
||||
# replace host
|
||||
for t in src:
|
||||
for s, r in self._ALL_REPLACE.items():
|
||||
src[t] = src[t].replace(s, r)
|
||||
for s, r in self._MP4_REPLACE.items():
|
||||
src[t] = src[t].replace(s, r)
|
||||
|
||||
# switch cdn
|
||||
if 'mp4' in src and 'm3u8' in src:
|
||||
if '-lh.akamaihd' not in src['m3u8'] and 'akamai' in src['mp4']:
|
||||
if 'm3u8' in src:
|
||||
matches = re.search(r'(?:https*:)?\/\/(?P<host>.*)\.net\/i(?P<path>.*)$', src['m3u8'])
|
||||
src['m3u8'] = 'https://vod.rcsobjects.it/hls/%s%s' % (
|
||||
self._MIGRATION_MAP[matches.group('host')],
|
||||
matches.group('path').replace(
|
||||
'///', '/').replace(
|
||||
'//', '/').replace(
|
||||
'.csmil', '.urlset'
|
||||
)
|
||||
)
|
||||
if 'mp4' in src:
|
||||
matches = re.search(r'(?:https*:)?\/\/(?P<host>.*)\.net\/i(?P<path>.*)$', src['mp4'])
|
||||
if matches:
|
||||
if matches.group('host') in self._MIGRATION_MEDIA:
|
||||
vh_stream = 'https://media2.corriereobjects.it'
|
||||
if src['mp4'].find('fcs.quotidiani_!'):
|
||||
vh_stream = 'https://media2-it.corriereobjects.it'
|
||||
src['mp4'] = '%s%s' % (
|
||||
vh_stream,
|
||||
matches.group('path').replace(
|
||||
'///', '/').replace(
|
||||
'//', '/').replace(
|
||||
'/fcs.quotidiani/mediacenter', '').replace(
|
||||
'/fcs.quotidiani_!/mediacenter', '').replace(
|
||||
'corriere/content/mediacenter/', '').replace(
|
||||
'gazzetta/content/mediacenter/', '')
|
||||
)
|
||||
else:
|
||||
src['mp4'] = 'https://vod.rcsobjects.it/%s%s' % (
|
||||
self._MIGRATION_MAP[matches.group('host')],
|
||||
matches.group('path').replace('///', '/').replace('//', '/')
|
||||
)
|
||||
|
||||
if 'mp3' in src:
|
||||
src['mp3'] = src['mp3'].replace(
|
||||
'media2vam-corriere-it.akamaized.net',
|
||||
'vod.rcsobjects.it/corriere')
|
||||
if 'mp4' in src:
|
||||
if src['mp4'].find('fcs.quotidiani_!'):
|
||||
src['mp4'] = src['mp4'].replace('vod.rcsobjects', 'vod-it.rcsobjects')
|
||||
if 'm3u8' in src:
|
||||
if src['m3u8'].find('fcs.quotidiani_!'):
|
||||
src['m3u8'] = src['m3u8'].replace('vod.rcsobjects', 'vod-it.rcsobjects')
|
||||
|
||||
if 'geoblocking' in video['mediaProfile']:
|
||||
if 'm3u8' in src:
|
||||
src['m3u8'] = src['m3u8'].replace('vod.rcsobjects', 'vod-it.rcsobjects')
|
||||
if 'mp4' in src:
|
||||
src['mp4'] = src['mp4'].replace('vod.rcsobjects', 'vod-it.rcsobjects')
|
||||
if 'm3u8' in src:
|
||||
if src['m3u8'].find('csmil') and src['m3u8'].find('vod'):
|
||||
src['m3u8'] = src['m3u8'].replace('.csmil', '.urlset')
|
||||
|
||||
return src
|
||||
|
||||
def _create_formats(self, urls, video_id):
|
||||
formats = []
|
||||
formats = self._extract_m3u8_formats(
|
||||
urls['m3u8'], video_id, 'mp4', entry_protocol='m3u8_native',
|
||||
m3u8_id='hls', fatal=False)
|
||||
|
||||
if not formats:
|
||||
formats.append({
|
||||
'format_id': 'http-mp4',
|
||||
'url': urls['mp4']
|
||||
})
|
||||
self._sort_formats(formats)
|
||||
return formats
|
||||
|
||||
def _real_extract(self, url):
|
||||
video_id = self._match_id(url)
|
||||
mobj = re.search(self._VALID_URL, url).groupdict()
|
||||
|
||||
if not mobj['cdn']:
|
||||
raise ExtractorError('CDN not found in url: %s' % url)
|
||||
|
||||
# for leitv/youreporter/viaggi don't use the embed page
|
||||
if (mobj['cdn'] not in ['leitv.it', 'youreporter.it']) and (mobj['vid'] == 'video'):
|
||||
url = 'https://video.%s/video-embed/%s' % (mobj['cdn'], video_id)
|
||||
|
||||
page = self._download_webpage(url, video_id)
|
||||
|
||||
video_data = None
|
||||
# look for json video data url
|
||||
json = self._search_regex(
|
||||
r'''var url\s*=\s*["']((?:https?:)?//video\.rcs\.it/fragment-includes/video-includes/.+?\.json)["'];''',
|
||||
page, video_id, default=None)
|
||||
if json:
|
||||
if json.startswith('//'):
|
||||
json = 'https:%s' % json
|
||||
video_data = self._download_json(json, video_id)
|
||||
|
||||
# if url not found, look for json video data directly in the page
|
||||
else:
|
||||
json = self._search_regex(
|
||||
r'[\s;]video\s*=\s*({[\s\S]+?})(?:;|,playlist=)',
|
||||
page, video_id, default=None)
|
||||
if json:
|
||||
video_data = self._parse_json(
|
||||
json, video_id, transform_source=js_to_json)
|
||||
else:
|
||||
# if no video data found try search for iframes
|
||||
emb = RCSEmbedsIE._extract_url(page)
|
||||
if emb:
|
||||
return self._real_extract(emb)
|
||||
|
||||
if not video_data:
|
||||
raise ExtractorError('Video data not found in the page')
|
||||
|
||||
formats = self._create_formats(
|
||||
self._get_video_src(video_data), video_id)
|
||||
|
||||
return {
|
||||
'id': video_id,
|
||||
'title': video_data['title'],
|
||||
'description': video_data['description'] or clean_html(video_data['htmlDescription']),
|
||||
'uploader': video_data['provider'] if video_data['provider'] else mobj['cdn'],
|
||||
'formats': formats
|
||||
}
|
||||
|
||||
|
||||
class RCSEmbedsIE(RCSIE):
|
||||
IE_NAME = 'rcs:rcs'
|
||||
_VALID_URL = r'''(?x)
|
||||
https?://(?P<vid>video)\.
|
||||
(?P<cdn>
|
||||
(?:
|
||||
rcs|
|
||||
(?:corriere\w+\.)?corriere|
|
||||
(?:gazzanet\.)?gazzetta
|
||||
)\.it)
|
||||
/video-embed/(?P<id>[^/=&\?]+?)(?:$|\?)'''
|
||||
_TESTS = [{
|
||||
'url': 'https://video.rcs.it/video-embed/iodonna-0001585037',
|
||||
'md5': '623ecc8ffe7299b2d0c1046d8331a9df',
|
||||
'info_dict': {
|
||||
'id': 'iodonna-0001585037',
|
||||
'ext': 'mp4',
|
||||
'title': 'Sky Arte racconta Madonna nella serie "Artist to icon"',
|
||||
'description': 'md5:65b09633df9ffee57f48b39e34c9e067',
|
||||
'uploader': 'rcs.it',
|
||||
}
|
||||
}, {
|
||||
'url': 'https://video.corriere.it/video-embed/b727632a-f9d0-11ea-91b0-38d50a849abb?player',
|
||||
'match_only': True
|
||||
}, {
|
||||
'url': 'https://video.gazzetta.it/video-embed/49612410-00ca-11eb-bcd8-30d4253e0140',
|
||||
'match_only': True
|
||||
}]
|
||||
|
||||
@staticmethod
|
||||
def _sanitize_urls(urls):
|
||||
# add protocol if missing
|
||||
for i, e in enumerate(urls):
|
||||
if e.startswith('//'):
|
||||
urls[i] = 'https:%s' % e
|
||||
# clean iframes urls
|
||||
for i, e in enumerate(urls):
|
||||
urls[i] = urljoin(base_url(e), url_basename(e))
|
||||
return urls
|
||||
|
||||
@staticmethod
|
||||
def _extract_urls(webpage):
|
||||
entries = [
|
||||
mobj.group('url')
|
||||
for mobj in re.finditer(r'''(?x)
|
||||
(?:
|
||||
data-frame-src=|
|
||||
<iframe[^\n]+src=
|
||||
)
|
||||
(["'])
|
||||
(?P<url>(?:https?:)?//video\.
|
||||
(?:
|
||||
rcs|
|
||||
(?:corriere\w+\.)?corriere|
|
||||
(?:gazzanet\.)?gazzetta
|
||||
)
|
||||
\.it/video-embed/.+?)
|
||||
\1''', webpage)]
|
||||
return RCSEmbedsIE._sanitize_urls(entries)
|
||||
|
||||
@staticmethod
|
||||
def _extract_url(webpage):
|
||||
urls = RCSEmbedsIE._extract_urls(webpage)
|
||||
return urls[0] if urls else None
|
||||
|
||||
|
||||
class CorriereIE(RCSIE):
|
||||
IE_NAME = 'rcs:corriere'
|
||||
_VALID_URL = r'''(?x)https?://(?P<vid>video|viaggi)\.
|
||||
(?P<cdn>
|
||||
(?:
|
||||
corrieredelmezzogiorno\.|
|
||||
corrieredelveneto\.|
|
||||
corrieredibologna\.|
|
||||
corrierefiorentino\.
|
||||
)?
|
||||
corriere\.it)/.+?/(?P<id>[^/]+)(?=\?|/$|$)'''
|
||||
_TESTS = [{
|
||||
'url': 'https://video.corriere.it/sport/formula-1/vettel-guida-ferrari-sf90-mugello-suo-fianco-c-elecrerc-bendato-video-esilarante/b727632a-f9d0-11ea-91b0-38d50a849abb',
|
||||
'md5': '0f4ededc202b0f00b6e509d831e2dcda',
|
||||
'info_dict': {
|
||||
'id': 'b727632a-f9d0-11ea-91b0-38d50a849abb',
|
||||
'ext': 'mp4',
|
||||
'title': 'Vettel guida la Ferrari SF90 al Mugello e al suo fianco c\'è Leclerc (bendato): il video è esilarante',
|
||||
'description': 'md5:93b51c9161ac8a64fb2f997b054d0152',
|
||||
'uploader': 'Corriere Tv',
|
||||
}
|
||||
}, {
|
||||
'url': 'https://viaggi.corriere.it/video/norvegia-il-nuovo-ponte-spettacolare-sopra-la-cascata-di-voringsfossen/',
|
||||
'md5': 'da378e4918d2afbf7d61c35abb948d4c',
|
||||
'info_dict': {
|
||||
'id': '5b7cd134-e2c1-11ea-89b3-b56dd0df2aa2',
|
||||
'ext': 'mp4',
|
||||
'title': 'La nuova spettacolare attrazione in Norvegia: il ponte sopra Vøringsfossen',
|
||||
'description': 'md5:18b35a291f6746c0c8dacd16e5f5f4f8',
|
||||
'uploader': 'DOVE Viaggi',
|
||||
}
|
||||
}, {
|
||||
'url': 'https://video.corriere.it/video-embed/b727632a-f9d0-11ea-91b0-38d50a849abb?player',
|
||||
'match_only': True
|
||||
}, {
|
||||
'url': 'https://video.corriere.it/video-360/metro-copenaghen-tutta-italiana/a248a7f0-e2db-11e9-9830-af2de6b1f945',
|
||||
'match_only': True
|
||||
}]
|
||||
|
||||
|
||||
class GazzettaIE(RCSIE):
|
||||
IE_NAME = 'rcs:gazzetta'
|
||||
_VALID_URL = r'https?://(?P<vid>video)\.(?P<cdn>(?:gazzanet\.)?gazzetta\.it)/.+?/(?P<id>[^/]+?)(?:$|\?)'
|
||||
_TESTS = [{
|
||||
'url': 'https://video.gazzetta.it/video-motogp-catalogna-cadute-dovizioso-vale-rossi/49612410-00ca-11eb-bcd8-30d4253e0140?vclk=Videobar',
|
||||
'md5': 'eedc1b5defd18e67383afef51ff7bdf9',
|
||||
'info_dict': {
|
||||
'id': '49612410-00ca-11eb-bcd8-30d4253e0140',
|
||||
'ext': 'mp4',
|
||||
'title': 'Dovizioso, il contatto con Zarco e la caduta. E anche Vale finisce a terra',
|
||||
'description': 'md5:8c6e905dc3b9413218beca11ebd69778',
|
||||
'uploader': 'AMorici',
|
||||
}
|
||||
}, {
|
||||
'url': 'https://video.gazzetta.it/video-embed/49612410-00ca-11eb-bcd8-30d4253e0140',
|
||||
'match_only': True
|
||||
}, {
|
||||
'url': 'https://video.gazzanet.gazzetta.it/video-embed/gazzanet-mo05-0000260789',
|
||||
'match_only': True
|
||||
}]
|
||||
|
||||
|
||||
class RCSVariousIE(RCSIE):
|
||||
IE_NAME = 'rcs:various'
|
||||
_VALID_URL = r'''(?x)https?://www\.
|
||||
(?P<cdn>
|
||||
leitv\.it|
|
||||
youreporter\.it
|
||||
)/(?:video/)?(?P<id>[^/]+?)(?:$|\?|/)'''
|
||||
_TESTS = [{
|
||||
'url': 'https://www.leitv.it/video/marmellata-di-ciliegie-fatta-in-casa/',
|
||||
'md5': '618aaabac32152199c1af86784d4d554',
|
||||
'info_dict': {
|
||||
'id': 'marmellata-di-ciliegie-fatta-in-casa',
|
||||
'ext': 'mp4',
|
||||
'title': 'Marmellata di ciliegie fatta in casa',
|
||||
'description': 'md5:89133864d6aad456dbcf6e7a29f86263',
|
||||
'uploader': 'leitv.it',
|
||||
}
|
||||
}, {
|
||||
'url': 'https://www.youreporter.it/fiume-sesia-3-ottobre-2020/',
|
||||
'md5': '8dccd436b47a830bab5b4a88232f391a',
|
||||
'info_dict': {
|
||||
'id': 'fiume-sesia-3-ottobre-2020',
|
||||
'ext': 'mp4',
|
||||
'title': 'Fiume Sesia 3 ottobre 2020',
|
||||
'description': 'md5:0070eef1cc884d13c970a4125063de55',
|
||||
'uploader': 'youreporter.it',
|
||||
}
|
||||
}]
|
Loading…
Reference in a new issue