mirror of
https://github.com/ytdl-org/youtube-dl.git
synced 2024-12-02 16:42:53 +01:00
[errarhiiv] Add new extractor (closes #24434)
This commit is contained in:
smarbaa
parent
c2350cac24
commit
8109332379
501
youtube_dl/extractor/errarhiiv.py
Normal file
501
youtube_dl/extractor/errarhiiv.py
Normal file
|
|
@ -0,0 +1,501 @@
|
||||||
|
# coding: utf-8
|
||||||
|
from __future__ import unicode_literals
|
||||||
|
|
||||||
|
import re
|
||||||
|
import locale
|
||||||
|
|
||||||
|
from datetime import datetime, date
|
||||||
|
|
||||||
|
from .common import InfoExtractor
|
||||||
|
from ..compat import compat_HTTPError
|
||||||
|
from ..utils import (ExtractorError, unified_timestamp, parse_duration,
|
||||||
|
orderedSet, clean_html)
|
||||||
|
|
||||||
|
|
||||||
|
class ERRArhiivBaseIE(InfoExtractor):
|
||||||
|
_GEO_COUNTRIES = ['EE']
|
||||||
|
|
||||||
|
def _real_initialize(self):
|
||||||
|
# Have to set Estonian locale for date parsing
|
||||||
|
locale.setlocale(locale.LC_TIME, 'et_EE.UTF-8')
|
||||||
|
|
||||||
|
|
||||||
|
class ERRArhiivIE(ERRArhiivBaseIE):
|
||||||
|
IE_DESC = 'TV and radio shows, movies and documentaries aired in ETV (Estonia)'
|
||||||
|
_VALID_URL = r'https?://arhiiv\.err\.ee/vaata/(?P<id>[^/?#]+)'
|
||||||
|
_TESTS = [{
|
||||||
|
'url':
|
||||||
|
'https://arhiiv.err.ee/vaata/eesti-aja-lood-okupatsioonid-muusad-soja-varjus',
|
||||||
|
'md5': 'bb8b0b04fac8173d3deb47f07a43342d',
|
||||||
|
'info_dict': {
|
||||||
|
'id': 'eesti-aja-lood-okupatsioonid-muusad-soja-varjus',
|
||||||
|
'display_id': 'eesti-aja-lood-okupatsioonid-muusad-soja-varjus',
|
||||||
|
'ext': 'mp4',
|
||||||
|
'title': 'Eesti aja lood. Okupatsioonid - Muusad sõja varjus',
|
||||||
|
'thumbnail':
|
||||||
|
'https://arhiiv.err.ee//thumbnails/2009-002267-0068_0001_D10_EESTI-AJA-LOOD-OKUPATSIOONID_th.jpg',
|
||||||
|
'description': 'md5:36772936a0982571ce23aa0dad1f6231',
|
||||||
|
'upload_date': '20100513',
|
||||||
|
'uploader': 'ERR',
|
||||||
|
'timestamp': 1273709330,
|
||||||
|
}
|
||||||
|
}, {
|
||||||
|
'url': 'https://arhiiv.err.ee/vaata/tallinn-mai-juuni-1976',
|
||||||
|
'md5': 'b5eae775571497cb7cf3ba7c3cd34625',
|
||||||
|
'info_dict': {
|
||||||
|
'id': 'tallinn-mai-juuni-1976',
|
||||||
|
'display_id': 'tallinn-mai-juuni-1976',
|
||||||
|
'ext': 'mp4',
|
||||||
|
'title': 'Tallinn. Mai-juuni 1976',
|
||||||
|
'thumbnail':
|
||||||
|
'https://arhiiv.err.ee//thumbnails/1976-085466-0001_0002_D10_TALLINN-MAI-JUUNI-1976_th.jpg',
|
||||||
|
'upload_date': '20190709',
|
||||||
|
'uploader': 'ERR',
|
||||||
|
'timestamp': 1562679643,
|
||||||
|
}
|
||||||
|
}, {
|
||||||
|
'url': 'https://arhiiv.err.ee/vaata/linnulaul-linnulaul-34-rukkiraak',
|
||||||
|
'md5': '4f9f659c9c6c6a99c01f423895ac377e',
|
||||||
|
'info_dict': {
|
||||||
|
'id': 'linnulaul-linnulaul-34-rukkiraak',
|
||||||
|
'display_id': 'linnulaul-linnulaul-34-rukkiraak',
|
||||||
|
'ext': 'm4a',
|
||||||
|
'title': 'Linnulaul - 34. Rukkirääk',
|
||||||
|
'thumbnail':
|
||||||
|
'https://arhiiv.err.ee//thumbnails/default_audio_th.jpg',
|
||||||
|
'description': 'md5:d41739b0c8e250a3435216afc98c8741',
|
||||||
|
'release_date': '20020530',
|
||||||
|
'channel': '2002 EESTI RAADIO',
|
||||||
|
'uploader': 'ERR',
|
||||||
|
}
|
||||||
|
}]
|
||||||
|
|
||||||
|
def _log_debug_message(self, msg):
|
||||||
|
"""Writes debug message only if verbose flag is set"""
|
||||||
|
if self._downloader.params.get('verbose', False):
|
||||||
|
self.to_screen('[debug] ' + msg)
|
||||||
|
|
||||||
|
def _report_properties(self, info):
|
||||||
|
"""Writes debug info about extracted properties"""
|
||||||
|
if not info:
|
||||||
|
return
|
||||||
|
for key in sorted(filter(lambda k: k != 'chapters', info)):
|
||||||
|
self.to_screen("[debug] %s: '%s'" % (key, info[key]))
|
||||||
|
|
||||||
|
if 'chapters' in info:
|
||||||
|
for (idx, chapter) in enumerate(info['chapters'], start=1):
|
||||||
|
self.to_screen(
|
||||||
|
"[debug] Chapter %d: %s - %s '%s'" %
|
||||||
|
(idx, self._format_duration(chapter['start_time'], always_minutes=True),
|
||||||
|
self._format_duration(
|
||||||
|
chapter['end_time'], always_minutes=True), chapter['title']))
|
||||||
|
|
||||||
|
@classmethod
|
||||||
|
def _clean_up_properties(cls, info):
|
||||||
|
"""Deletes internally used properties"""
|
||||||
|
if not info:
|
||||||
|
return
|
||||||
|
info.pop('iso', None)
|
||||||
|
info.pop('file', None)
|
||||||
|
|
||||||
|
def _extract_properties(self, webpage):
|
||||||
|
info = dict()
|
||||||
|
title = self._html_search_regex(
|
||||||
|
r'<head>[^<]*<title>([^|]+)[^<]*?</title>',
|
||||||
|
webpage,
|
||||||
|
'title',
|
||||||
|
flags=re.DOTALL)
|
||||||
|
if title:
|
||||||
|
info['title'] = title.strip().strip('.')
|
||||||
|
|
||||||
|
description = self._html_search_regex(
|
||||||
|
r'<h2>\s*?Kirjeldus\s*?</h2>\s*?<p>(.*?)</p>',
|
||||||
|
webpage,
|
||||||
|
'description',
|
||||||
|
flags=re.DOTALL,
|
||||||
|
default=None)
|
||||||
|
if description:
|
||||||
|
info['description'] = description.strip()
|
||||||
|
|
||||||
|
rights = self._html_search_regex(
|
||||||
|
r'<div[^>]+id=(["\'])rights\1[^>]*>(?P<rights>.*?)</div>',
|
||||||
|
webpage,
|
||||||
|
'rights',
|
||||||
|
flags=re.DOTALL,
|
||||||
|
group='rights',
|
||||||
|
default=None)
|
||||||
|
if rights:
|
||||||
|
# Remove ugly unnecessary whitespace
|
||||||
|
info['license'] = ' '.join(rights.split())
|
||||||
|
|
||||||
|
thumbnail = self._search_regex(
|
||||||
|
r"css\('background-image', 'url\(\"(.+?).jpg\"\)'\)",
|
||||||
|
webpage,
|
||||||
|
'thumbnail',
|
||||||
|
flags=re.DOTALL,
|
||||||
|
default=None)
|
||||||
|
if thumbnail:
|
||||||
|
info['thumbnail'] = thumbnail + '_th.jpg'
|
||||||
|
|
||||||
|
res = re.findall(
|
||||||
|
r'<th[^>]*>([^<:\*\.]+)[^<]*?</th>[^<]*?<td[^>]*>(.*?)</td>',
|
||||||
|
webpage, re.DOTALL)
|
||||||
|
year = None
|
||||||
|
if res:
|
||||||
|
for (name, value) in res:
|
||||||
|
name = name.strip()
|
||||||
|
value = value.strip()
|
||||||
|
if name == 'Sarja pealkiri':
|
||||||
|
info['series'] = value
|
||||||
|
elif name == 'Osa nr':
|
||||||
|
info['episode_number'] = int(value)
|
||||||
|
elif name == 'Uudislugu':
|
||||||
|
info['description'] = value
|
||||||
|
elif name == 'ISO':
|
||||||
|
info['iso'] = value
|
||||||
|
elif name == 'Fail':
|
||||||
|
info['file'] = value
|
||||||
|
elif name == 'Märksõnad':
|
||||||
|
# tags can be:
|
||||||
|
# * simple like 'huumor';
|
||||||
|
# * complex like 'intervjuud/vestlusringid';
|
||||||
|
# * weird like 'meedia (raadio, tv, press)'.
|
||||||
|
# See e.g. 'https://arhiiv.err.ee/vaata/homme-on-esimene-aprill'
|
||||||
|
tags = re.sub(r'\(|\)|,|/', ' ', clean_html(value)).split()
|
||||||
|
if tags:
|
||||||
|
info['tags'] = sorted(
|
||||||
|
map(lambda s: s.strip().lower(), tags))
|
||||||
|
elif name in ['Aasta', 'Võtte aasta']:
|
||||||
|
year = value
|
||||||
|
elif name in ['Autorid', 'Režissöör', 'Toimetajad', 'Esinejad']:
|
||||||
|
if 'creator' not in info:
|
||||||
|
info['creator'] = set()
|
||||||
|
info['creator'] = info['creator'] | set(
|
||||||
|
re.split(r'\s*,\s*', value))
|
||||||
|
elif name == 'Fonogrammi tootja':
|
||||||
|
info['channel'] = value
|
||||||
|
mobj = re.search(r'([0-9]{4})', value)
|
||||||
|
if not year and mobj:
|
||||||
|
year = mobj.group(0)
|
||||||
|
elif name == 'Kestus':
|
||||||
|
info['duration'] = parse_duration(value)
|
||||||
|
elif name == 'Kategooria':
|
||||||
|
categories = re.split(r'\s*→\s*|\s*,\s*', value)
|
||||||
|
info['categories'] = sorted(
|
||||||
|
filter(
|
||||||
|
lambda s: s != 'Muu',
|
||||||
|
set(map(lambda s: s.capitalize(),
|
||||||
|
categories))))
|
||||||
|
elif name == 'Registreerimise kuupäev':
|
||||||
|
try:
|
||||||
|
info['upload_date'] = datetime.strptime(
|
||||||
|
value, '%d.%m.%Y').date().strftime('%Y%m%d')
|
||||||
|
except ValueError as ex:
|
||||||
|
self._log_debug_message(
|
||||||
|
"Failed to parse upload_date '%s' %s" %
|
||||||
|
(value, ex))
|
||||||
|
elif name == 'Registreerimise aeg':
|
||||||
|
info['timestamp'] = unified_timestamp(value)
|
||||||
|
elif name in ['Esmaeeter', 'Eetris']:
|
||||||
|
try:
|
||||||
|
info['release_date'] = datetime.strptime(
|
||||||
|
value, '%d.%m.%Y').date()
|
||||||
|
except ValueError as ex:
|
||||||
|
self._log_debug_message(
|
||||||
|
"Failed to parse release_date '%s' %s" %
|
||||||
|
(value, ex))
|
||||||
|
if 'release_date' not in info:
|
||||||
|
try:
|
||||||
|
info['release_date'] = datetime.strptime(
|
||||||
|
value, "%B %Y").date()
|
||||||
|
except ValueError as ex:
|
||||||
|
self._log_debug_message(
|
||||||
|
"Failed to parse release_date '%s' %s" %
|
||||||
|
(value, ex))
|
||||||
|
except TypeError as ex:
|
||||||
|
self._log_debug_message(
|
||||||
|
"Failed to parse release_date '%s' %s" %
|
||||||
|
(value, ex))
|
||||||
|
if 'release_date' not in info:
|
||||||
|
# Try for a year yyyy
|
||||||
|
mobj = re.search(r'([0-9]{4})', value)
|
||||||
|
if mobj:
|
||||||
|
info['release_date'] = date(year=int(
|
||||||
|
mobj.group(0)), day=1, month=1)
|
||||||
|
if 'release_date' in info:
|
||||||
|
info['release_date'] = info['release_date'].strftime(
|
||||||
|
'%Y%m%d')
|
||||||
|
|
||||||
|
if year and 'release_date' not in info:
|
||||||
|
info['release_date'] = date(
|
||||||
|
year=int(year), day=1, month=1).strftime('%Y%m%d')
|
||||||
|
|
||||||
|
if 'release_date' in info and not year:
|
||||||
|
mobj = re.match(r'\d{4}', info['release_date'])
|
||||||
|
if mobj:
|
||||||
|
year = mobj.group(0)
|
||||||
|
|
||||||
|
if 'channel' not in info:
|
||||||
|
channel = list()
|
||||||
|
if year:
|
||||||
|
channel.append(year)
|
||||||
|
channel.append('ERR')
|
||||||
|
info['channel'] = ' '.join(channel)
|
||||||
|
|
||||||
|
info['uploader'] = 'ERR'
|
||||||
|
info['is_live'] = False
|
||||||
|
|
||||||
|
if 'creator' in info:
|
||||||
|
info['creator'] = ', '.join(sorted(info['creator']))
|
||||||
|
|
||||||
|
if 'series' in info:
|
||||||
|
episode = info['title']
|
||||||
|
prefix = info['series'].upper()
|
||||||
|
if episode.upper().startswith(prefix + ': ' + prefix):
|
||||||
|
# ERR Arhiiv sometimes mangles episode's title by
|
||||||
|
# adding series name twice as prefix. This hack
|
||||||
|
# corrects it.
|
||||||
|
episode = episode[len(prefix + ': ' + prefix):]
|
||||||
|
elif episode.upper().startswith(prefix):
|
||||||
|
episode = episode[len(prefix):]
|
||||||
|
|
||||||
|
if episode.startswith(': '):
|
||||||
|
episode = episode[len(': '):]
|
||||||
|
elif episode.startswith('. '):
|
||||||
|
episode = episode[len('. '):]
|
||||||
|
|
||||||
|
info['episode'] = episode.strip()
|
||||||
|
if not episode:
|
||||||
|
self.report_warning("Episode name reduced to 'none'")
|
||||||
|
|
||||||
|
if 'episode' in info:
|
||||||
|
info['title'] = info['series'] + ' - ' + info['episode']
|
||||||
|
|
||||||
|
if 'series' in info and year:
|
||||||
|
info['season'] = year
|
||||||
|
|
||||||
|
return info
|
||||||
|
|
||||||
|
@classmethod
|
||||||
|
def _format_duration(cls, duration, always_minutes=False, always_hours=False):
|
||||||
|
'''Formats duration as HH:MM:SS'''
|
||||||
|
if duration is None:
|
||||||
|
return None
|
||||||
|
minutes, seconds = divmod(duration, 60)
|
||||||
|
hours, minutes = divmod(minutes, 60)
|
||||||
|
rval = '%02d' % seconds
|
||||||
|
if always_hours or always_minutes or minutes or hours:
|
||||||
|
rval = '%02d:' % minutes + rval
|
||||||
|
if always_hours or hours:
|
||||||
|
rval = '%02d:' % hours + rval
|
||||||
|
|
||||||
|
return rval
|
||||||
|
|
||||||
|
def _extract_chapters(self, webpage, total_duration):
|
||||||
|
res = re.findall(
|
||||||
|
r'<tr>[^<]*<td[^>]+class=(["\'])data\1[^>]*>([^<]+)</td>'
|
||||||
|
r'[^<]*<td[^>]+class=(["\'])data\3[^>]*>.*?</td>'
|
||||||
|
r'[^<]*<td[^>]+class=(["\'])data\4[^>]*>(.*?)</td>[^<]*</tr>',
|
||||||
|
webpage, re.DOTALL)
|
||||||
|
chapters = list()
|
||||||
|
prev_chapter = dict()
|
||||||
|
correction = 0
|
||||||
|
for match in res:
|
||||||
|
chapter = dict()
|
||||||
|
duration = parse_duration(match[1])
|
||||||
|
if not prev_chapter:
|
||||||
|
# ERR Arhiiv sometimes adds some arbitrary amount of seconds to
|
||||||
|
# all timings. This hack corrects it by subtracting the first
|
||||||
|
# chapter's start_time from all subsequent timings.
|
||||||
|
correction = duration
|
||||||
|
duration -= correction
|
||||||
|
chapter['start_time'] = duration
|
||||||
|
chapter['title'] = match[4].strip()
|
||||||
|
if prev_chapter:
|
||||||
|
prev_chapter['end_time'] = duration
|
||||||
|
chapters.append(chapter)
|
||||||
|
prev_chapter = chapter
|
||||||
|
prev_chapter['end_time'] = total_duration
|
||||||
|
|
||||||
|
return chapters
|
||||||
|
|
||||||
|
def _real_extract(self, url):
|
||||||
|
info = dict()
|
||||||
|
|
||||||
|
video_id = self._match_id(url)
|
||||||
|
self._log_debug_message("Extracted id '%s'" % video_id)
|
||||||
|
info['display_id'] = video_id
|
||||||
|
info['id'] = video_id
|
||||||
|
info['webpage_url'] = url
|
||||||
|
|
||||||
|
webpage = self._download_webpage(url, video_id)
|
||||||
|
|
||||||
|
master_url = self._search_regex(r"var\s+src\s*=\s*'(//.+?\.m3u8)';",
|
||||||
|
webpage,
|
||||||
|
'master_url',
|
||||||
|
flags=re.DOTALL,
|
||||||
|
fatal=False)
|
||||||
|
|
||||||
|
self._log_debug_message("Extracted master_url '%s'" % master_url)
|
||||||
|
|
||||||
|
info.update(self._extract_properties(webpage))
|
||||||
|
|
||||||
|
if not master_url:
|
||||||
|
error_msg = 'Cannot extract master_url. Video or audio %s is not available' % video_id
|
||||||
|
if 'iso' in info or re.match(r'.*(?:TIFF|JPEG).*', info.get('file', '')):
|
||||||
|
error_msg += ", url referres to a photo."
|
||||||
|
raise ExtractorError(error_msg, expected=True)
|
||||||
|
|
||||||
|
m3u8_formats = []
|
||||||
|
try:
|
||||||
|
m3u8_formats = self._extract_m3u8_formats(master_url, video_id)
|
||||||
|
except ExtractorError as ex:
|
||||||
|
if isinstance(ex.cause, compat_HTTPError) and ex.cause.code == 404:
|
||||||
|
mobj = re.search(r'\.urlset/master.m3u8', master_url)
|
||||||
|
if mobj:
|
||||||
|
self.report_warning(
|
||||||
|
"master_url links to nonexistent resource '%s'" %
|
||||||
|
master_url)
|
||||||
|
raise ex
|
||||||
|
|
||||||
|
for m3u8_format in m3u8_formats:
|
||||||
|
if not m3u8_format['ext']:
|
||||||
|
mobj = re.search(r'\.(\w{3})/', m3u8_format['url'])
|
||||||
|
if mobj:
|
||||||
|
m3u8_format['ext'] = mobj.group(1)
|
||||||
|
else:
|
||||||
|
m3u8_format['ext'] = 'mp4' if m3u8_format[
|
||||||
|
'vcodec'] != 'none' else 'm4a'
|
||||||
|
if m3u8_formats:
|
||||||
|
self._sort_formats(m3u8_formats)
|
||||||
|
info['formats'] = m3u8_formats
|
||||||
|
|
||||||
|
if 'duration' in info:
|
||||||
|
chapters = self._extract_chapters(webpage, info['duration'])
|
||||||
|
if chapters:
|
||||||
|
info['chapters'] = chapters
|
||||||
|
|
||||||
|
if self._downloader.params.get('verbose', False):
|
||||||
|
self._report_properties(info)
|
||||||
|
|
||||||
|
self._clean_up_properties(info)
|
||||||
|
|
||||||
|
return info
|
||||||
|
|
||||||
|
|
||||||
|
class ERRArhiivPlaylistIE(ERRArhiivBaseIE):
|
||||||
|
IE_DESC = 'arhiiv.err.ee playlists and search results'
|
||||||
|
_ERRARHIIV_SERVICES = 'seeria|samast-seeriast|sarnased|otsi|tapsem-otsing|show-category-single-files'
|
||||||
|
_VALID_URL = r'(?P<prefix>https?://arhiiv\.err\.ee)/(?P<service>%(services)s)[/?#]*(?P<id>[^/?#]*)' % {
|
||||||
|
'services': _ERRARHIIV_SERVICES
|
||||||
|
}
|
||||||
|
_TESTS = [{
|
||||||
|
'url': 'https://arhiiv.err.ee/seeria/linnuaabits/info/0/default/koik',
|
||||||
|
'info_dict': {
|
||||||
|
'id': 'linnuaabits',
|
||||||
|
'title': "Linnuaabits",
|
||||||
|
},
|
||||||
|
'playlist_mincount': 71,
|
||||||
|
}, {
|
||||||
|
'url': 'https://arhiiv.err.ee/seeria/linnulaul',
|
||||||
|
'info_dict': {
|
||||||
|
'id': 'linnulaul',
|
||||||
|
'title': "Linnulaul",
|
||||||
|
},
|
||||||
|
'playlist_mincount': 10,
|
||||||
|
}, {
|
||||||
|
'url':
|
||||||
|
'https://arhiiv.err.ee/seeria/eesti-aja-lood-okupatsioonid/info/0/default/koik',
|
||||||
|
'info_dict': {
|
||||||
|
'id': 'eesti-aja-lood-okupatsioonid',
|
||||||
|
'title': "Eesti aja lood. Okupatsioonid",
|
||||||
|
},
|
||||||
|
'playlist_mincount': 46,
|
||||||
|
}, {
|
||||||
|
'url':
|
||||||
|
'https://arhiiv.err.ee/samast-seeriast/ak-filmikroonika-1958-1991-linnuturg-keskturul/default/1',
|
||||||
|
'info_dict': {
|
||||||
|
'id': 'ak-filmikroonika-1958-1991',
|
||||||
|
'title': "AK filmikroonika 1958-1991",
|
||||||
|
},
|
||||||
|
'playlist_count': 10,
|
||||||
|
}, {
|
||||||
|
'url':
|
||||||
|
'https://arhiiv.err.ee/sarnased/ensv-ensv-kaadri-taga/default/1',
|
||||||
|
'info_dict': {
|
||||||
|
'id': 'ensv',
|
||||||
|
'title': "EnsV - Sarnased saated",
|
||||||
|
},
|
||||||
|
'playlist_count': 10,
|
||||||
|
}, {
|
||||||
|
'url': 'https://arhiiv.err.ee/otsi/reliikvia/default/koik',
|
||||||
|
'info_dict': {
|
||||||
|
'id': None,
|
||||||
|
'title': "Otsingutulemused `reliikvia`",
|
||||||
|
},
|
||||||
|
'playlist_mincount': 161,
|
||||||
|
}, {
|
||||||
|
'url': 'https://arhiiv.err.ee/otsi/reliikvia/default/3',
|
||||||
|
'info_dict': {
|
||||||
|
'id': None,
|
||||||
|
'title': "Otsingutulemused `reliikvia`",
|
||||||
|
},
|
||||||
|
'playlist_mincount': 10,
|
||||||
|
}, {
|
||||||
|
'url':
|
||||||
|
'https://arhiiv.err.ee/tapsem-otsing?searchphrase=kahur&searchfrom_video=video&searchfrom_audio=audio',
|
||||||
|
'info_dict': {
|
||||||
|
'id': None,
|
||||||
|
'title': "Otsingutulemused",
|
||||||
|
},
|
||||||
|
'playlist_mincount': 10,
|
||||||
|
}]
|
||||||
|
|
||||||
|
def _guess_id_from_title(self, title):
|
||||||
|
if not title:
|
||||||
|
return None
|
||||||
|
playlist_id = title.lower()
|
||||||
|
playlist_id = ' '.join(playlist_id.split())
|
||||||
|
playlist_id = playlist_id.replace('õ', 'o')
|
||||||
|
playlist_id = playlist_id.replace('ö', 'o')
|
||||||
|
playlist_id = playlist_id.replace('ä', 'a')
|
||||||
|
playlist_id = playlist_id.replace('ü', 'u')
|
||||||
|
playlist_id = playlist_id.replace(' ', '-')
|
||||||
|
playlist_id = re.sub(r",|\.|:|\+|\?|!|'|\"|;|\*|\\|/|\|", "",
|
||||||
|
playlist_id)
|
||||||
|
return playlist_id
|
||||||
|
|
||||||
|
def _real_extract(self, url):
|
||||||
|
mobj = re.match(self._VALID_URL, url)
|
||||||
|
service = mobj.group('service')
|
||||||
|
playlist_id = mobj.group('id') if service in [
|
||||||
|
'seeria', 'show-category-single-files'
|
||||||
|
] else None
|
||||||
|
prefix = mobj.group('prefix')
|
||||||
|
webpage = self._download_webpage(url, playlist_id)
|
||||||
|
title = self._html_search_regex(
|
||||||
|
r'<head>[^<]*<title>([^|]+)[^<]*?</title>',
|
||||||
|
webpage,
|
||||||
|
'title',
|
||||||
|
flags=re.DOTALL,
|
||||||
|
fatal=False)
|
||||||
|
if title:
|
||||||
|
title = title.strip().strip('.')
|
||||||
|
|
||||||
|
if title and not playlist_id and service not in [
|
||||||
|
'otsi', 'tapsem-otsing', 'show-category-single-files'
|
||||||
|
]:
|
||||||
|
playlist_id = self._guess_id_from_title(title)
|
||||||
|
|
||||||
|
if title and service == 'sarnased':
|
||||||
|
title += ' - Sarnased saated'
|
||||||
|
|
||||||
|
res = re.findall(
|
||||||
|
r'<h2[^>]*>[^<]*<a\s+href=(["\'])(/vaata/[^"\']+)\1[^>]*>',
|
||||||
|
webpage, re.DOTALL)
|
||||||
|
|
||||||
|
url_list = orderedSet([prefix + match[1] for match in res])
|
||||||
|
|
||||||
|
entries = [self.url_result(item_url, ie='ERRArhiiv') for item_url in url_list]
|
||||||
|
|
||||||
|
return self.playlist_result(entries, playlist_id, title)
|
||||||
|
|
@ -345,6 +345,10 @@ from .embedly import EmbedlyIE
|
||||||
from .engadget import EngadgetIE
|
from .engadget import EngadgetIE
|
||||||
from .eporner import EpornerIE
|
from .eporner import EpornerIE
|
||||||
from .eroprofile import EroProfileIE
|
from .eroprofile import EroProfileIE
|
||||||
|
from .errarhiiv import (
|
||||||
|
ERRArhiivIE,
|
||||||
|
ERRArhiivPlaylistIE,
|
||||||
|
)
|
||||||
from .escapist import EscapistIE
|
from .escapist import EscapistIE
|
||||||
from .espn import (
|
from .espn import (
|
||||||
ESPNIE,
|
ESPNIE,
|
||||||
|
|
|
||||||
Loading…
Reference in New Issue
Block a user