[xuite] Add new extractor
Yen Chi Hsuan
10 years ago
parent
2103d038b3
commit
fe7710cbcc
@ -0,0 +1,147 @@
|
|||||||
|
# -*- coding: utf-8 -*-
|
||||||
|
from __future__ import unicode_literals
|
||||||
|
|
||||||
|
import base64
|
||||||
|
from .common import InfoExtractor
|
||||||
|
from ..compat import (
|
||||||
|
compat_urlparse,
|
||||||
|
compat_urllib_parse_unquote,
|
||||||
|
compat_parse_qs
|
||||||
|
)
|
||||||
|
from ..utils import (
|
||||||
|
ExtractorError,
|
||||||
|
parse_iso8601,
|
||||||
|
parse_duration
|
||||||
|
)
|
||||||
|
|
||||||
|
# ref: http://stackoverflow.com/questions/475074/regex-to-parse-or-validate-base64-data
|
||||||
|
REGEX_BASE64 = r'(?:[A-Za-z0-9+/]{4})*(?:[A-Za-z0-9+/]{2}==|[A-Za-z0-9+/]{3}=)?'
|
||||||
|
|
||||||
|
CST_ZONE = +8 # China Standard Time
|
||||||
|
|
||||||
|
|
||||||
|
class XuiteIE(InfoExtractor):
|
||||||
|
_VALID_URL = r'http://vlog.xuite.net/play/(?P<id>%s)(/.*)?' % REGEX_BASE64
|
||||||
|
_TESTS = [{
|
||||||
|
# Audio
|
||||||
|
'url': 'http://vlog.xuite.net/play/RGkzc1ZULTM4NjA5MTQuZmx2',
|
||||||
|
'md5': '63a42c705772aa53fd4c1a0027f86adf',
|
||||||
|
'info_dict': {
|
||||||
|
'id': 'RGkzc1ZULTM4NjA5MTQuZmx2',
|
||||||
|
'ext': 'mp3',
|
||||||
|
'upload_date': '20110902',
|
||||||
|
'uploader_id': '15973816',
|
||||||
|
'uploader': '阿能',
|
||||||
|
'timestamp': 1314932940,
|
||||||
|
'title': '孤單南半球-歐德陽'
|
||||||
|
}
|
||||||
|
}, {
|
||||||
|
# Audio with alternative form of url
|
||||||
|
'url': 'http://vlog.xuite.net/play/S1dDUjdyLTMyOTc3NjcuZmx2/%E5%AD%AB%E7%87%95%E5%A7%BF-%E7%9C%BC%E6%B7%9A%E6%88%90%E8%A9%A9',
|
||||||
|
'md5': 'c91645f324de53d82ebb80930e1a73d2',
|
||||||
|
'info_dict': {
|
||||||
|
'id': 'S1dDUjdyLTMyOTc3NjcuZmx2',
|
||||||
|
'ext': 'mp3',
|
||||||
|
'upload_date': '20101226',
|
||||||
|
'uploader_id': '10102699',
|
||||||
|
'uploader': '蠍',
|
||||||
|
'timestamp': 1293367080,
|
||||||
|
'title': '孫燕姿-眼淚成詩',
|
||||||
|
}
|
||||||
|
}, {
|
||||||
|
# Video with only one format
|
||||||
|
'url': 'http://vlog.xuite.net/play/TkRZNjhULTM0NDE2MjkuZmx2',
|
||||||
|
'md5': 'c45737fc8ac5dc8ac2f92ecbcecf505e',
|
||||||
|
'info_dict': {
|
||||||
|
'id': 'TkRZNjhULTM0NDE2MjkuZmx2',
|
||||||
|
'ext': 'mp4',
|
||||||
|
'upload_date': '20110306',
|
||||||
|
'uploader_id': '10400126',
|
||||||
|
'uploader': 'Valen',
|
||||||
|
'timestamp': 1299383640,
|
||||||
|
'title': '孫燕姿 - 眼淚成詩',
|
||||||
|
}
|
||||||
|
}, {
|
||||||
|
# Video with two formats
|
||||||
|
'url': 'http://vlog.xuite.net/play/bWo1N1pLLTIxMzAxMTcwLmZsdg==',
|
||||||
|
'md5': '1166e0f461efe55b62e26a2d2a68e6de',
|
||||||
|
'info_dict': {
|
||||||
|
'id': 'bWo1N1pLLTIxMzAxMTcwLmZsdg==',
|
||||||
|
'ext': 'mp4',
|
||||||
|
'upload_date': '20150117',
|
||||||
|
'uploader_id': '242127761',
|
||||||
|
'uploader': '我只是想認真點',
|
||||||
|
'timestamp': 1421481240,
|
||||||
|
'title': '暗殺教室 02',
|
||||||
|
}
|
||||||
|
}]
|
||||||
|
|
||||||
|
def _flv_config(self, media_id):
|
||||||
|
base64_media_id = base64.b64encode(media_id.encode('utf-8')).decode('utf-8')
|
||||||
|
flv_config_url = 'http://vlog.xuite.net/flash/player?media=' + base64_media_id
|
||||||
|
flv_config = self._download_xml(flv_config_url, 'flv config')
|
||||||
|
|
||||||
|
prop_dict = {}
|
||||||
|
for prop in flv_config.findall('./property'):
|
||||||
|
prop_id = base64.b64decode(prop.attrib['id']).decode('utf-8')
|
||||||
|
|
||||||
|
if not prop.text:
|
||||||
|
continue # CDATA may be empty in flv config
|
||||||
|
|
||||||
|
encoded_content = base64.b64decode(prop.text).decode('utf-8')
|
||||||
|
prop_dict[prop_id] = compat_urllib_parse_unquote(encoded_content)
|
||||||
|
|
||||||
|
return prop_dict
|
||||||
|
|
||||||
|
def _type_string(self, media_url):
|
||||||
|
query_string = compat_urlparse.urlparse(media_url).query
|
||||||
|
type_string = compat_parse_qs(query_string)['q'][0]
|
||||||
|
return type_string
|
||||||
|
|
||||||
|
def _guess_ext(self, media_url):
|
||||||
|
type_string = self._type_string(media_url)
|
||||||
|
if type_string == 'mp3':
|
||||||
|
return 'mp3'
|
||||||
|
elif type_string == '360' or type_string == '720':
|
||||||
|
return 'mp4'
|
||||||
|
else:
|
||||||
|
raise ExtractorError('Unknown type string %s' % type_string)
|
||||||
|
|
||||||
|
def _real_extract(self, url):
|
||||||
|
video_id = self._match_id(url)
|
||||||
|
|
||||||
|
page = self._download_webpage(url, video_id)
|
||||||
|
media_id = self._html_search_regex(r'data-mediaid="(\d+)"', page, 'media id')
|
||||||
|
flv_config = self._flv_config(media_id)
|
||||||
|
|
||||||
|
timestamp_local = parse_iso8601(flv_config['publish_datetime'], ' ')
|
||||||
|
timestamp_gmt = timestamp_local - CST_ZONE * 3600
|
||||||
|
|
||||||
|
ret_attrs = {
|
||||||
|
'id': video_id,
|
||||||
|
'title': flv_config['title'],
|
||||||
|
'thumbnail': flv_config['thumb'],
|
||||||
|
'uploader': flv_config['author_name'],
|
||||||
|
'timestamp': timestamp_gmt,
|
||||||
|
'uploader_id': flv_config['author_id'],
|
||||||
|
'duration': parse_duration(flv_config['duration']),
|
||||||
|
'categories': [flv_config['category']]
|
||||||
|
}
|
||||||
|
|
||||||
|
if 'hq_src' in flv_config:
|
||||||
|
src = flv_config['src']
|
||||||
|
src_hq = flv_config['hq_src']
|
||||||
|
ret_attrs['formats'] = [{
|
||||||
|
'url': src,
|
||||||
|
'ext': self._guess_ext(src),
|
||||||
|
'format_id': self._type_string(src)
|
||||||
|
}, {
|
||||||
|
'url': src_hq,
|
||||||
|
'ext': self._guess_ext(src_hq),
|
||||||
|
'format_id': self._type_string(src_hq)
|
||||||
|
}]
|
||||||
|
else:
|
||||||
|
ret_attrs['url'] = flv_config['src']
|
||||||
|
ret_attrs['ext'] = self._guess_ext(flv_config['src'])
|
||||||
|
|
||||||
|
return ret_attrs
|
||||||
Loading…
Reference in New Issue