mirror of
https://github.com/yt-dlp/yt-dlp.git
synced 2024-11-27 02:42:30 +00:00
[extractor/nbc] Add NBCStations extractor (#5077)
Closes #4571 Authored by: bashonly
This commit is contained in:
bashonly
GitHub
parent
dfea94f8f6
commit
11398b922c
@ -1079,6 +1079,7 @@
|
|||||||
NBCSportsIE,
|
NBCSportsIE,
|
||||||
NBCSportsStreamIE,
|
NBCSportsStreamIE,
|
||||||
NBCSportsVPlayerIE,
|
NBCSportsVPlayerIE,
|
||||||
|
NBCStationsIE,
|
||||||
)
|
)
|
||||||
from .ndr import (
|
from .ndr import (
|
||||||
NDRIE,
|
NDRIE,
|
||||||
|
|||||||
@ -7,14 +7,20 @@
|
|||||||
from .adobepass import AdobePassIE
|
from .adobepass import AdobePassIE
|
||||||
from ..compat import compat_urllib_parse_unquote
|
from ..compat import compat_urllib_parse_unquote
|
||||||
from ..utils import (
|
from ..utils import (
|
||||||
|
ExtractorError,
|
||||||
int_or_none,
|
int_or_none,
|
||||||
parse_age_limit,
|
parse_age_limit,
|
||||||
parse_duration,
|
parse_duration,
|
||||||
RegexNotFoundError,
|
RegexNotFoundError,
|
||||||
smuggle_url,
|
smuggle_url,
|
||||||
|
str_or_none,
|
||||||
|
traverse_obj,
|
||||||
try_get,
|
try_get,
|
||||||
|
unified_strdate,
|
||||||
unified_timestamp,
|
unified_timestamp,
|
||||||
update_url_query,
|
update_url_query,
|
||||||
|
url_basename,
|
||||||
|
variadic,
|
||||||
)
|
)
|
||||||
|
|
||||||
|
|
||||||
@ -584,3 +590,169 @@ def _real_extract(self, url):
|
|||||||
'formats': formats,
|
'formats': formats,
|
||||||
'is_live': is_live,
|
'is_live': is_live,
|
||||||
}
|
}
|
||||||
|
|
||||||
|
|
||||||
|
class NBCStationsIE(InfoExtractor):
|
||||||
|
_DOMAIN_RE = '|'.join(map(re.escape, (
|
||||||
|
'nbcbayarea', 'nbcboston', 'nbcchicago', 'nbcconnecticut', 'nbcdfw', 'nbclosangeles',
|
||||||
|
'nbcmiami', 'nbcnewyork', 'nbcphiladelphia', 'nbcsandiego', 'nbcwashington',
|
||||||
|
'necn', 'telemundo52', 'telemundoarizona', 'telemundochicago', 'telemundonuevainglaterra',
|
||||||
|
)))
|
||||||
|
_VALID_URL = rf'https?://(?:www\.)?(?P<site>{_DOMAIN_RE})\.com/(?:[^/?#]+/)*(?P<id>[^/?#]+)/?(?:$|[#?])'
|
||||||
|
|
||||||
|
_TESTS = [{
|
||||||
|
'url': 'https://www.nbclosangeles.com/news/local/large-structure-fire-in-downtown-la-prompts-smoke-odor-advisory/2968618/',
|
||||||
|
'md5': '462041d91bd762ef5a38b7d85d6dc18f',
|
||||||
|
'info_dict': {
|
||||||
|
'id': '2968618',
|
||||||
|
'ext': 'mp4',
|
||||||
|
'title': 'Large Structure Fire in Downtown LA Prompts Smoke Odor Advisory',
|
||||||
|
'description': None,
|
||||||
|
'timestamp': 1661135892,
|
||||||
|
'upload_date': '20220821',
|
||||||
|
'uploader': 'NBC 4',
|
||||||
|
'uploader_id': 'KNBC',
|
||||||
|
'channel': 'nbclosangeles',
|
||||||
|
},
|
||||||
|
}, {
|
||||||
|
'url': 'https://www.telemundoarizona.com/responde/huracan-complica-reembolso-para-televidente-de-tucson/2247002/',
|
||||||
|
'md5': '0917dcf7885be1023a9220630d415f67',
|
||||||
|
'info_dict': {
|
||||||
|
'id': '2247002',
|
||||||
|
'ext': 'mp4',
|
||||||
|
'title': 'Huracán complica que televidente de Tucson reciba reembolso',
|
||||||
|
'description': 'md5:af298dc73aab74d4fca6abfb12acb6cf',
|
||||||
|
'timestamp': 1660886507,
|
||||||
|
'upload_date': '20220819',
|
||||||
|
'uploader': 'Telemundo Arizona',
|
||||||
|
'uploader_id': 'KTAZ',
|
||||||
|
'channel': 'telemundoarizona',
|
||||||
|
},
|
||||||
|
}]
|
||||||
|
|
||||||
|
_RESOLUTIONS = {
|
||||||
|
'1080': '1920',
|
||||||
|
'720': '1280',
|
||||||
|
'540': '960',
|
||||||
|
'360': '640',
|
||||||
|
'234': '416',
|
||||||
|
}
|
||||||
|
|
||||||
|
def _real_extract(self, url):
|
||||||
|
channel, video_id = self._match_valid_url(url).group('site', 'id')
|
||||||
|
webpage = self._download_webpage(url, video_id)
|
||||||
|
|
||||||
|
nbc_data = self._search_json(
|
||||||
|
r'<script>var\s*nbc\s*=\s*', webpage, 'NBC JSON data', video_id)
|
||||||
|
pdk_acct = nbc_data.get('pdkAcct') or 'Yh1nAC'
|
||||||
|
fw_ssid = traverse_obj(nbc_data, ('video', 'fwSSID'))
|
||||||
|
fw_network_id = traverse_obj(nbc_data, ('video', 'fwNetworkID'), default='382114')
|
||||||
|
|
||||||
|
video_data = self._parse_json(self._html_search_regex(
|
||||||
|
r'data-videos="([^"]*)"', webpage, 'video data', default='{}'), video_id)
|
||||||
|
video_data = variadic(video_data)[0]
|
||||||
|
video_data.update(self._parse_json(self._html_search_regex(
|
||||||
|
r'data-meta="([^"]*)"', webpage, 'metadata', default='{}'), video_id))
|
||||||
|
|
||||||
|
formats = []
|
||||||
|
|
||||||
|
if video_data.get('mpx_is_livestream') == '1':
|
||||||
|
live = True
|
||||||
|
player_id = traverse_obj(
|
||||||
|
video_data, 'mpx_m3upid', ('video', 'meta', 'mpx_m3upid'), 'mpx_pid',
|
||||||
|
('video', 'meta', 'mpx_pid'), 'pid_streaming_web_medium')
|
||||||
|
query = {
|
||||||
|
'mbr': 'true',
|
||||||
|
'assetTypes': 'LegacyRelease',
|
||||||
|
'fwsitesection': fw_ssid,
|
||||||
|
'fwNetworkID': fw_network_id,
|
||||||
|
'pprofile': 'ots_desktop_html',
|
||||||
|
'sensitive': 'false',
|
||||||
|
'w': '1920',
|
||||||
|
'h': '1080',
|
||||||
|
'rnd': '1660303',
|
||||||
|
'mode': 'LIVE',
|
||||||
|
'format': 'SMIL',
|
||||||
|
'tracking': 'true',
|
||||||
|
'formats': 'M3U+none,MPEG-DASH+none,MPEG4,MP3',
|
||||||
|
'vpaid': 'script',
|
||||||
|
'schema': '2.0',
|
||||||
|
'SDK': 'PDK+6.1.3',
|
||||||
|
}
|
||||||
|
info = {
|
||||||
|
'title': f'{channel} livestream',
|
||||||
|
}
|
||||||
|
|
||||||
|
else:
|
||||||
|
live = False
|
||||||
|
player_id = traverse_obj(
|
||||||
|
video_data, ('video', 'meta', 'pid_streaming_web_high'), 'pid_streaming_web_high',
|
||||||
|
('video', 'meta', 'mpx_pid'), 'mpx_pid')
|
||||||
|
|
||||||
|
date_string = traverse_obj(video_data, 'date_string', 'date_gmt')
|
||||||
|
if date_string:
|
||||||
|
date_string = self._search_regex(
|
||||||
|
r'datetime="([^"]+)"', date_string, 'date string', fatal=False)
|
||||||
|
else:
|
||||||
|
date_string = traverse_obj(
|
||||||
|
nbc_data, ('dataLayer', 'adobe', 'prop70'), ('dataLayer', 'adobe', 'eVar70'),
|
||||||
|
('dataLayer', 'adobe', 'eVar59'))
|
||||||
|
|
||||||
|
video_url = traverse_obj(video_data, ('video', 'meta', 'mp4_url'), 'mp4_url')
|
||||||
|
if video_url:
|
||||||
|
height = url_basename(video_url).split('-')[1].split('p')[0]
|
||||||
|
formats.append({
|
||||||
|
'url': video_url,
|
||||||
|
'ext': 'mp4',
|
||||||
|
'width': int_or_none(self._RESOLUTIONS.get(height)),
|
||||||
|
'height': int_or_none(height),
|
||||||
|
'format_id': f'http-{height}',
|
||||||
|
})
|
||||||
|
|
||||||
|
query = {
|
||||||
|
'mbr': 'true',
|
||||||
|
'assetTypes': 'LegacyRelease',
|
||||||
|
'fwsitesection': fw_ssid,
|
||||||
|
'fwNetworkID': fw_network_id,
|
||||||
|
'format': 'redirect',
|
||||||
|
'manifest': 'm3u',
|
||||||
|
'Tracking': 'true',
|
||||||
|
'Embedded': 'true',
|
||||||
|
'formats': 'MPEG4',
|
||||||
|
}
|
||||||
|
info = {
|
||||||
|
'title': video_data.get('title') or traverse_obj(
|
||||||
|
nbc_data, ('dataLayer', 'contenttitle'), ('dataLayer', 'title'),
|
||||||
|
('dataLayer', 'adobe', 'prop22'), ('dataLayer', 'id')),
|
||||||
|
'description': traverse_obj(video_data, 'summary', 'excerpt', 'video_hero_text'),
|
||||||
|
'upload_date': str_or_none(unified_strdate(date_string)),
|
||||||
|
'timestamp': int_or_none(unified_timestamp(date_string)),
|
||||||
|
}
|
||||||
|
|
||||||
|
if not player_id:
|
||||||
|
raise ExtractorError(
|
||||||
|
'No video player ID or livestream player ID found in webpage', expected=True)
|
||||||
|
|
||||||
|
headers = {'Origin': f'https://www.{channel}.com'}
|
||||||
|
manifest, urlh = self._download_webpage_handle(
|
||||||
|
f'https://link.theplatform.com/s/{pdk_acct}/{player_id}', video_id,
|
||||||
|
headers=headers, query=query, note='Downloading manifest')
|
||||||
|
if live:
|
||||||
|
manifest_url = self._search_regex(r'<video src="([^"]*)', manifest, 'manifest URL')
|
||||||
|
else:
|
||||||
|
manifest_url = urlh.geturl()
|
||||||
|
|
||||||
|
formats.extend(self._extract_m3u8_formats(
|
||||||
|
manifest_url, video_id, 'mp4', headers=headers, m3u8_id='hls',
|
||||||
|
fatal=live, live=live, errnote='No HLS formats found'))
|
||||||
|
self._sort_formats(formats)
|
||||||
|
|
||||||
|
return {
|
||||||
|
'id': str_or_none(video_id),
|
||||||
|
'channel': channel,
|
||||||
|
'uploader': str_or_none(nbc_data.get('on_air_name')),
|
||||||
|
'uploader_id': str_or_none(nbc_data.get('callLetters')),
|
||||||
|
'formats': formats,
|
||||||
|
'is_live': live,
|
||||||
|
**info,
|
||||||
|
}
|
||||||
|
|||||||
Loading…
Reference in New Issue
Block a user