]> Raphaël G. Git Repositories - youtubedl/blob - youtube_dl/extractor/elpais.py
debian/{compat,control}: Update to debhelper compatibility level 12.
[youtubedl] / youtube_dl / extractor / elpais.py
1 # coding: utf-8
2 from __future__ import unicode_literals
3
4 from .common import InfoExtractor
5 from ..utils import strip_jsonp, unified_strdate
6
7
8 class ElPaisIE(InfoExtractor):
9 _VALID_URL = r'https?://(?:[^.]+\.)?elpais\.com/.*/(?P<id>[^/#?]+)\.html(?:$|[?#])'
10 IE_DESC = 'El País'
11
12 _TESTS = [{
13 'url': 'http://blogs.elpais.com/la-voz-de-inaki/2014/02/tiempo-nuevo-recetas-viejas.html',
14 'md5': '98406f301f19562170ec071b83433d55',
15 'info_dict': {
16 'id': 'tiempo-nuevo-recetas-viejas',
17 'ext': 'mp4',
18 'title': 'Tiempo nuevo, recetas viejas',
19 'description': 'De lunes a viernes, a partir de las ocho de la mañana, Iñaki Gabilondo nos cuenta su visión de la actualidad nacional e internacional.',
20 'upload_date': '20140206',
21 }
22 }, {
23 'url': 'http://elcomidista.elpais.com/elcomidista/2016/02/24/articulo/1456340311_668921.html#?id_externo_nwl=newsletter_diaria20160303t',
24 'md5': '3bd5b09509f3519d7d9e763179b013de',
25 'info_dict': {
26 'id': '1456340311_668921',
27 'ext': 'mp4',
28 'title': 'Cómo hacer el mejor café con cafetera italiana',
29 'description': 'Que sí, que las cápsulas son cómodas. Pero si le pides algo más a la vida, quizá deberías aprender a usar bien la cafetera italiana. No tienes más que ver este vídeo y seguir sus siete normas básicas.',
30 'upload_date': '20160303',
31 }
32 }, {
33 'url': 'http://elpais.com/elpais/2017/01/26/ciencia/1485456786_417876.html',
34 'md5': '9c79923a118a067e1a45789e1e0b0f9c',
35 'info_dict': {
36 'id': '1485456786_417876',
37 'ext': 'mp4',
38 'title': 'Hallado un barco de la antigua Roma que naufragó en Baleares hace 1.800 años',
39 'description': 'La nave portaba cientos de ánforas y se hundió cerca de la isla de Cabrera por razones desconocidas',
40 'upload_date': '20170127',
41 },
42 }, {
43 'url': 'http://epv.elpais.com/epv/2017/02/14/programa_la_voz_de_inaki/1487062137_075943.html',
44 'info_dict': {
45 'id': '1487062137_075943',
46 'ext': 'mp4',
47 'title': 'Disyuntivas',
48 'description': 'md5:a0fb1485c4a6a8a917e6f93878e66218',
49 'upload_date': '20170214',
50 },
51 'params': {
52 'skip_download': True,
53 },
54 }]
55
56 def _real_extract(self, url):
57 video_id = self._match_id(url)
58 webpage = self._download_webpage(url, video_id)
59
60 prefix = self._html_search_regex(
61 r'var\s+url_cache\s*=\s*"([^"]+)";', webpage, 'URL prefix')
62 id_multimedia = self._search_regex(
63 r"id_multimedia\s*=\s*'([^']+)'", webpage, 'ID multimedia', default=None)
64 if id_multimedia:
65 url_info = self._download_json(
66 'http://elpais.com/vdpep/1/?pepid=' + id_multimedia, video_id, transform_source=strip_jsonp)
67 video_suffix = url_info['mp4']
68 else:
69 video_suffix = self._search_regex(
70 r"(?:URLMediaFile|urlVideo_\d+)\s*=\s*url_cache\s*\+\s*'([^']+)'", webpage, 'video URL')
71 video_url = prefix + video_suffix
72 thumbnail_suffix = self._search_regex(
73 r"(?:URLMediaStill|urlFotogramaFijo_\d+)\s*=\s*url_cache\s*\+\s*'([^']+)'",
74 webpage, 'thumbnail URL', default=None)
75 thumbnail = (
76 None if thumbnail_suffix is None
77 else prefix + thumbnail_suffix) or self._og_search_thumbnail(webpage)
78 title = self._html_search_regex(
79 (r"tituloVideo\s*=\s*'([^']+)'",
80 r'<h2 class="entry-header entry-title.*?>(.*?)</h2>',
81 r'<h1[^>]+class="titulo"[^>]*>([^<]+)'),
82 webpage, 'title', default=None) or self._og_search_title(webpage)
83 upload_date = unified_strdate(self._search_regex(
84 r'<p class="date-header date-int updated"\s+title="([^"]+)">',
85 webpage, 'upload date', default=None) or self._html_search_meta(
86 'datePublished', webpage, 'timestamp'))
87
88 return {
89 'id': video_id,
90 'url': video_url,
91 'title': title,
92 'description': self._og_search_description(webpage),
93 'thumbnail': thumbnail,
94 'upload_date': upload_date,
95 }