yt_dlp/extractor/bpb.py

   1 import re
   2
   3 from .common import InfoExtractor
   4 from ..utils import (
   5     js_to_json,
   6     determine_ext,
   7 )
   8
   9
  10 class BpbIE(InfoExtractor):
  11     IE_DESC = 'Bundeszentrale für politische Bildung'
  12     _VALID_URL = r'https?://(?:www\.)?bpb\.de/mediathek/(?P<id>[0-9]+)/'
  13
  14     _TEST = {
  15         'url': 'http://www.bpb.de/mediathek/297/joachim-gauck-zu-1989-und-die-erinnerung-an-die-ddr',
  16         'md5': 'c4f84c8a8044ca9ff68bb8441d300b3f',
  17         'info_dict': {
  18             'id': '297',
  19             'ext': 'mp4',
  20             'title': 'Joachim Gauck zu 1989 und die Erinnerung an die DDR',
  21             'description': 'Joachim Gauck, erster Beauftragter für die Stasi-Unterlagen, spricht auf dem Geschichtsforum über die friedliche Revolution 1989 und eine "gewisse Traurigkeit" im Umgang mit der DDR-Vergangenheit.'
  22         }
  23     }
  24
  25     def _real_extract(self, url):
  26         video_id = self._match_id(url)
  27         webpage = self._download_webpage(url, video_id)
  28
  29         title = self._html_search_regex(
  30             r'<h2 class="white">(.*?)</h2>', webpage, 'title')
  31         video_info_dicts = re.findall(
  32             r"({\s*src\s*:\s*'https?://film\.bpb\.de/[^}]+})", webpage)
  33
  34         formats = []
  35         for video_info in video_info_dicts:
  36             video_info = self._parse_json(
  37                 video_info, video_id, transform_source=js_to_json, fatal=False)
  38             if not video_info:
  39                 continue
  40             video_url = video_info.get('src')
  41             if not video_url:
  42                 continue
  43             quality = 'high' if '_high' in video_url else 'low'
  44             formats.append({
  45                 'url': video_url,
  46                 'quality': 10 if quality == 'high' else 0,
  47                 'format_note': quality,
  48                 'format_id': '%s-%s' % (quality, determine_ext(video_url)),
  49             })
  50
  51         return {
  52             'id': video_id,
  53             'formats': formats,
  54             'title': title,
  55             'description': self._og_search_description(webpage),
  56         }