mirror of
https://github.com/yt-dlp/yt-dlp.git
synced 2024-11-07 20:30:41 -05:00
[extractor/24tv.ua] Add extractors (#5121)
Closes #4287 Authored by: coletdjnz
This commit is contained in:
coletdjnz
GitHub
parent
7f5b3cb8b3
commit
1e0daeb314
2 changed files with 150 additions and 0 deletions
|
|
@ -1875,6 +1875,10 @@
|
|||
KatsomoIE,
|
||||
MTVUutisetArticleIE,
|
||||
)
|
||||
from .tv24ua import (
|
||||
TV24UAVideoIE,
|
||||
TV24UAGenericPassthroughIE
|
||||
)
|
||||
from .tv2dk import (
|
||||
TV2DKIE,
|
||||
TV2DKBornholmPlayIE,
|
||||
|
|
|
|||
146
yt_dlp/extractor/tv24ua.py
Normal file
146
yt_dlp/extractor/tv24ua.py
Normal file
|
|
@ -0,0 +1,146 @@
|
|||
import base64
|
||||
import re
|
||||
import urllib.parse
|
||||
|
||||
from .common import InfoExtractor
|
||||
from ..utils import (
|
||||
determine_ext,
|
||||
extract_attributes,
|
||||
get_elements_html_by_class,
|
||||
js_to_json,
|
||||
mimetype2ext,
|
||||
smuggle_url,
|
||||
traverse_obj,
|
||||
)
|
||||
|
||||
|
||||
class TV24UAVideoIE(InfoExtractor):
|
||||
_VALID_URL = r'https?://24tv\.ua/news/showPlayer\.do.*?(?:\?|&)objectId=(?P<id>\d+)'
|
||||
_EMBED_REGEX = [rf'<iframe[^>]+?src=["\']?(?P<url>{_VALID_URL})["\']?']
|
||||
IE_NAME = '24tv.ua'
|
||||
_TESTS = [{
|
||||
'url': 'https://24tv.ua/news/showPlayer.do?objectId=2074790&videoUrl=2022/07/2074790&w=640&h=360',
|
||||
'info_dict': {
|
||||
'id': '2074790',
|
||||
'ext': 'mp4',
|
||||
'title': 'У Харкові ворожа ракета прилетіла в будинок, де слухали пісні про "офіцерів-росіян"',
|
||||
'thumbnail': r're:^https?://.*\.jpe?g',
|
||||
}
|
||||
}, {
|
||||
'url': 'https://24tv.ua/news/showPlayer.do?videoUrl=2022/07/2074790&objectId=2074790&w=640&h=360',
|
||||
'only_matching': True,
|
||||
}]
|
||||
|
||||
_WEBPAGE_TESTS = [
|
||||
{
|
||||
# iframe embed created from share menu.
|
||||
'url': 'data:text/html,%3Ciframe%20src=%22https://24tv.ua/news/showPlayer.do?objectId=1886193&videoUrl'
|
||||
'=2022/03/1886193&w=640&h=360%22%20width=%22640%22%20height=%22360%22%20frameborder=%220%22'
|
||||
'%20scrolling=%22no%22%3E%3C/iframe%3E',
|
||||
'info_dict': {
|
||||
'id': '1886193',
|
||||
'ext': 'mp4',
|
||||
'title': 'Росіяни руйнують Бородянку на Київщині та стріляють з літаків по мешканцях: шокуючі фото',
|
||||
'thumbnail': r're:^https?://.*\.jpe?g',
|
||||
}
|
||||
},
|
||||
{
|
||||
'url': 'https://24tv.ua/vipalyuyut-nashi-mista-sela-dsns-pokazali-motoroshni-naslidki_n1883966',
|
||||
'info_dict': {
|
||||
'id': '1883966',
|
||||
'ext': 'mp4',
|
||||
'title': 'Випалюють наші міста та села, – моторошні наслідки обстрілів на Чернігівщині',
|
||||
'thumbnail': r're:^https?://.*\.jpe?g',
|
||||
},
|
||||
'params': {'allowed_extractors': ['Generic', '24tv.ua']},
|
||||
}
|
||||
]
|
||||
|
||||
def _real_extract(self, url):
|
||||
video_id = self._match_id(url)
|
||||
webpage = self._download_webpage(url, video_id)
|
||||
|
||||
formats = []
|
||||
subtitles = {}
|
||||
for j in re.findall(r'vPlayConfig\.sources\s*=\s*(?P<json>\[{\s*(?s:.+?)\s*}])', webpage):
|
||||
sources = self._parse_json(j, video_id, fatal=False, ignore_extra=True, transform_source=js_to_json, errnote='') or []
|
||||
for source in sources:
|
||||
if mimetype2ext(traverse_obj(source, 'type')) == 'm3u8':
|
||||
f, s = self._extract_m3u8_formats_and_subtitles(source['src'], video_id)
|
||||
formats.extend(f)
|
||||
self._merge_subtitles(subtitles, s)
|
||||
else:
|
||||
formats.append({
|
||||
'url': source['src'],
|
||||
'ext': determine_ext(source['src']),
|
||||
})
|
||||
thumbnail = traverse_obj(
|
||||
self._search_json(
|
||||
r'var\s*vPlayConfig\s*=\s*', webpage, 'thumbnail',
|
||||
video_id, default=None, transform_source=js_to_json), 'poster')
|
||||
self._sort_formats(formats)
|
||||
return {
|
||||
'id': video_id,
|
||||
'formats': formats,
|
||||
'subtitles': subtitles,
|
||||
'thumbnail': thumbnail or self._og_search_thumbnail(webpage),
|
||||
'title': self._html_extract_title(webpage) or self._og_search_title(webpage),
|
||||
'description': self._og_search_description(webpage, default=None),
|
||||
}
|
||||
|
||||
|
||||
class TV24UAGenericPassthroughIE(InfoExtractor):
|
||||
_VALID_URL = r'https?://(?:[a-zA-Z0-9]+?\.)?24tv\.ua/(?P<id>[^/]+?_n\d+)'
|
||||
|
||||
_TESTS = [{
|
||||
# Generic iframe, not within media_embed
|
||||
'url': 'https://24tv.ua/vipalyuyut-nashi-mista-sela-dsns-pokazali-motoroshni-naslidki_n1883966',
|
||||
'info_dict': {
|
||||
'id': '1883966',
|
||||
'ext': 'mp4',
|
||||
'title': 'Випалюють наші міста та села, – моторошні наслідки обстрілів на Чернігівщині',
|
||||
'thumbnail': r're:^https?://.*\.jpe?g',
|
||||
}
|
||||
}, {
|
||||
# Generic iframe embed of TV24UAPlayerIE, within media_embed
|
||||
'url': 'https://24tv.ua/harkivyani-zgaduyut-misto-do-viyni-shhemlive-video_n1887584',
|
||||
'info_dict': {
|
||||
'id': 'harkivyani-zgaduyut-misto-do-viyni-shhemlive-video_n1887584',
|
||||
'title': 'Харків\'яни згадують місто до війни: щемливе відео'
|
||||
},
|
||||
'playlist': [{
|
||||
'info_dict': {
|
||||
'id': '1887584',
|
||||
'ext': 'mp4',
|
||||
'title': 'Харків\'яни згадують місто до війни: щемливе відео',
|
||||
'thumbnail': r're:^https?://.*\.jpe?g',
|
||||
},
|
||||
}]
|
||||
}, {
|
||||
# 2 media_embeds with YouTube iframes
|
||||
'url': 'https://24tv.ua/bronetransporteri-ozbroyenni-zsu-shho-vidomo-pro-bronovik-wolfhound_n2167966',
|
||||
'info_dict': {
|
||||
'id': 'bronetransporteri-ozbroyenni-zsu-shho-vidomo-pro-bronovik-wolfhound_n2167966',
|
||||
'title': 'Броньовик Wolfhound: гігант, який допомагає ЗСУ знищувати окупантів на фронті',
|
||||
},
|
||||
'playlist_count': 2
|
||||
}, {
|
||||
'url': 'https://men.24tv.ua/fitnes-bloger-sprobuvav-vikonati-trenuvannya-naysilnishoyi-lyudini_n2164538',
|
||||
'only_matching': True,
|
||||
}]
|
||||
|
||||
def _real_extract(self, url):
|
||||
display_id = self._match_id(url)
|
||||
webpage = self._download_webpage(url, display_id)
|
||||
data_urls = []
|
||||
# The site contains escaped iframe embeds within an attribute.
|
||||
# Once escaped, generic can handle them, so we use a data url to pass the escaped html back.
|
||||
for html in get_elements_html_by_class('media_embed', webpage):
|
||||
data = urllib.parse.unquote(extract_attributes(html).get('data-html'))
|
||||
data_urls.append(f'data:text/html;base64,{base64.b64encode(data.encode("utf-8")).decode("utf-8")}')
|
||||
|
||||
if not data_urls:
|
||||
return self.url_result(url, 'Generic')
|
||||
return self.playlist_from_matches(
|
||||
[smuggle_url(url, {'to_generic': True}) for url in data_urls], display_id, ie='Generic',
|
||||
playlist_title=self._og_search_title(webpage) or self._html_extract_title(webpage))
|
||||
Loading…
Reference in a new issue