Raphaël G. Git Repositories - youtubedl/blob - youtube_dl/extractor/canal13cl.py

   1 # coding: utf-8
   2 from __future__ import unicode_literals
   3
   4 import re
   5
   6 from .common import InfoExtractor
   7
   8
   9 class Canal13clIE(InfoExtractor):
  10     _VALID_URL = r'^http://(?:www\.)?13\.cl/(?:[^/?#]+/)*(?P<id>[^/?#]+)'
  11     _TEST = {
  12         'url': 'http://www.13.cl/t13/nacional/el-circulo-de-hierro-de-michelle-bachelet-en-su-regreso-a-la-moneda',
  13         'md5': '4cb1fa38adcad8fea88487a078831755',
  14         'info_dict': {
  15             'id': '1403022125',
  16             'display_id': 'el-circulo-de-hierro-de-michelle-bachelet-en-su-regreso-a-la-moneda',
  17             'ext': 'mp4',
  18             'title': 'El "círculo de hierro" de Michelle Bachelet en su regreso a La Moneda',
  19             'description': '(Foto: Agencia Uno) En nueve días más, Michelle Bachelet va a asumir por segunda vez como presidenta de la República. Entre aquellos que la acompañarán hay caras que se repiten y otras que se consolidan en su entorno de colaboradores más cercanos.',
  20         }
  21     }
  22
  23     def _real_extract(self, url):
  24         mobj = re.match(self._VALID_URL, url)
  25         display_id = mobj.group('id')
  26
  27         webpage = self._download_webpage(url, display_id)
  28
  29         title = self._html_search_meta(
  30             'twitter:title', webpage, 'title', fatal=True)
  31         description = self._html_search_meta(
  32             'twitter:description', webpage, 'description')
  33         url = self._html_search_regex(
  34             r'articuloVideo = \"(.*?)\"', webpage, 'url')
  35         real_id = self._search_regex(
  36             r'[^0-9]([0-9]{7,})[^0-9]', url, 'id', default=display_id)
  37         thumbnail = self._html_search_regex(
  38             r'articuloImagen = \"(.*?)\"', webpage, 'thumbnail')
  39
  40         return {
  41             'id': real_id,
  42             'display_id': display_id,
  43             'url': url,
  44             'title': title,
  45             'description': description,
  46             'ext': 'mp4',
  47             'thumbnail': thumbnail,
  48         }