]> jfr.im git - yt-dlp.git/blame - youtube_dl/extractor/malltv.py
[malltv] Add extractor (closes #18058)
[yt-dlp.git] / youtube_dl / extractor / malltv.py
CommitLineData
22f5f5c6
AJ
1# coding: utf-8
2from __future__ import unicode_literals
3
4import re
5from .common import InfoExtractor
6from ..utils import parse_duration, merge_dicts
7
8
9class MallTVIE(InfoExtractor):
10 _VALID_URL = r'https?://(?:www\.)?mall\.tv/(?:.+/)?(?P<id>.+)(?:\?.*$|$)'
11 _TESTS = [
12 {
13 'url': 'https://www.mall.tv/18-miliard-pro-neziskovky-opravdu-jsou-sportovci-nebo-clovek-v-tisni-pijavice',
14 'md5': '9ced0de056534410837077e23bfba796',
15 'info_dict': {
16 'id': 't0zzt0',
17 'ext': 'mp4',
18 'title': '18 miliard pro neziskovky. Opravdu jsou sportovci nebo Člověk v tísni pijavice?',
19 'description': 'Pokud někdo hospodaří s penězmi daňových poplatníků, pak logicky chceme vědět, jak s nimi nakládá. Objem dotací pro neziskovky roste, ale opravdu jsou tyto organizace „pijavice", jak o nich hovoří And',
20 'upload_date': '20181007',
21 'timestamp': 1538870400
22 }
23 },
24 {
25 'url': 'https://www.mall.tv/kdo-to-plati/18-miliard-pro-neziskovky-opravdu-jsou-sportovci-nebo-clovek-v-tisni-pijavice',
26 'md5': '9ced0de056534410837077e23bfba796',
27 'only_matching': 1,
28 'info_dict': {
29 'id': 't0zzt0',
30 'ext': 'mp4',
31 'title': '18 miliard pro neziskovky. Opravdu jsou sportovci nebo Člověk v tísni pijavice?',
32 'description': 'Pokud někdo hospodaří s penězmi daňových poplatníků, pak logicky chceme vědět, jak s nimi nakládá. Objem dotací pro neziskovky roste, ale opravdu jsou tyto organizace „pijavice", jak o nich hovoří And',
33 'upload_date': '20181007',
34 'timestamp': 1538870400
35 }
36 }
37 ]
38
39 def _real_extract(self, url):
40 display_id = self._match_id(url)
41 webpage = self._download_webpage(url, display_id)
42 src_id_regex = r'(?P<src><source src=([\"\'])?.+?/(?P<id>\w{6,}?)/index)(?P<after>\1?[^>]*?>)'
43 video_id = self._search_regex(src_id_regex, webpage, 'ID',
44 group='id')
45 info = self._search_json_ld(webpage, video_id, default={})
46 html = re.sub(src_id_regex, r'\g<src>.m3u8\g<after>', webpage)
47 media = self._parse_html5_media_entries(url, html, video_id)
48 thumbnail = info.get('thumbnail', self._og_search_thumbnail(webpage))
49 duration = parse_duration(info.get('duration'))
50 result = {
51 'id': video_id,
52 'title': info.get('title', self._og_search_title(webpage)),
53 'description': self._og_search_description(webpage)
54 }
55 result.update({'thumbnail': thumbnail})
56 result.update({'duration': duration})
57
58 return merge_dicts(media[0], info, result)