mirror of
https://gitlab.com/dstftw/youtube-dl.git
synced 2020-11-16 09:42:26 +00:00
[platzi] Add extractor (closes #20562)
This commit is contained in:
parent
19591facea
commit
c701472fc9
|
@ -868,6 +868,10 @@ from .picarto import (
|
||||||
from .piksel import PikselIE
|
from .piksel import PikselIE
|
||||||
from .pinkbike import PinkbikeIE
|
from .pinkbike import PinkbikeIE
|
||||||
from .pladform import PladformIE
|
from .pladform import PladformIE
|
||||||
|
from .platzi import (
|
||||||
|
PlatziIE,
|
||||||
|
PlatziCourseIE,
|
||||||
|
)
|
||||||
from .playfm import PlayFMIE
|
from .playfm import PlayFMIE
|
||||||
from .playplustv import PlayPlusTVIE
|
from .playplustv import PlayPlusTVIE
|
||||||
from .plays import PlaysTVIE
|
from .plays import PlaysTVIE
|
||||||
|
|
217
youtube_dl/extractor/platzi.py
Normal file
217
youtube_dl/extractor/platzi.py
Normal file
|
@ -0,0 +1,217 @@
|
||||||
|
# coding: utf-8
|
||||||
|
from __future__ import unicode_literals
|
||||||
|
|
||||||
|
from .common import InfoExtractor
|
||||||
|
from ..compat import (
|
||||||
|
compat_b64decode,
|
||||||
|
compat_str,
|
||||||
|
)
|
||||||
|
from ..utils import (
|
||||||
|
clean_html,
|
||||||
|
ExtractorError,
|
||||||
|
int_or_none,
|
||||||
|
str_or_none,
|
||||||
|
try_get,
|
||||||
|
url_or_none,
|
||||||
|
urlencode_postdata,
|
||||||
|
urljoin,
|
||||||
|
)
|
||||||
|
|
||||||
|
|
||||||
|
class PlatziIE(InfoExtractor):
|
||||||
|
_VALID_URL = r'''(?x)
|
||||||
|
https?://
|
||||||
|
(?:
|
||||||
|
platzi\.com/clases| # es version
|
||||||
|
courses\.platzi\.com/classes # en version
|
||||||
|
)/[^/]+/(?P<id>\d+)-[^/?\#&]+
|
||||||
|
'''
|
||||||
|
_LOGIN_URL = 'https://platzi.com/login/'
|
||||||
|
_NETRC_MACHINE = 'platzi'
|
||||||
|
|
||||||
|
_TESTS = [{
|
||||||
|
'url': 'https://platzi.com/clases/1311-next-js/12074-creando-nuestra-primera-pagina/',
|
||||||
|
'md5': '8f56448241005b561c10f11a595b37e3',
|
||||||
|
'info_dict': {
|
||||||
|
'id': '12074',
|
||||||
|
'ext': 'mp4',
|
||||||
|
'title': 'Creando nuestra primera página',
|
||||||
|
'description': 'md5:4c866e45034fc76412fbf6e60ae008bc',
|
||||||
|
'duration': 420,
|
||||||
|
},
|
||||||
|
'skip': 'Requires platzi account credentials',
|
||||||
|
}, {
|
||||||
|
'url': 'https://courses.platzi.com/classes/1367-communication-codestream/13430-background/',
|
||||||
|
'info_dict': {
|
||||||
|
'id': '13430',
|
||||||
|
'ext': 'mp4',
|
||||||
|
'title': 'Background',
|
||||||
|
'description': 'md5:49c83c09404b15e6e71defaf87f6b305',
|
||||||
|
'duration': 360,
|
||||||
|
},
|
||||||
|
'skip': 'Requires platzi account credentials',
|
||||||
|
'params': {
|
||||||
|
'skip_download': True,
|
||||||
|
},
|
||||||
|
}]
|
||||||
|
|
||||||
|
def _real_initialize(self):
|
||||||
|
self._login()
|
||||||
|
|
||||||
|
def _login(self):
|
||||||
|
username, password = self._get_login_info()
|
||||||
|
if username is None:
|
||||||
|
return
|
||||||
|
|
||||||
|
login_page = self._download_webpage(
|
||||||
|
self._LOGIN_URL, None, 'Downloading login page')
|
||||||
|
|
||||||
|
login_form = self._hidden_inputs(login_page)
|
||||||
|
|
||||||
|
login_form.update({
|
||||||
|
'email': username,
|
||||||
|
'password': password,
|
||||||
|
})
|
||||||
|
|
||||||
|
urlh = self._request_webpage(
|
||||||
|
self._LOGIN_URL, None, 'Logging in',
|
||||||
|
data=urlencode_postdata(login_form),
|
||||||
|
headers={'Referer': self._LOGIN_URL})
|
||||||
|
|
||||||
|
# login succeeded
|
||||||
|
if 'platzi.com/login' not in compat_str(urlh.geturl()):
|
||||||
|
return
|
||||||
|
|
||||||
|
login_error = self._webpage_read_content(
|
||||||
|
urlh, self._LOGIN_URL, None, 'Downloading login error page')
|
||||||
|
|
||||||
|
login = self._parse_json(
|
||||||
|
self._search_regex(
|
||||||
|
r'login\s*=\s*({.+?})(?:\s*;|\s*</script)', login_error, 'login'),
|
||||||
|
None)
|
||||||
|
|
||||||
|
for kind in ('error', 'password', 'nonFields'):
|
||||||
|
error = str_or_none(login.get('%sError' % kind))
|
||||||
|
if error:
|
||||||
|
raise ExtractorError(
|
||||||
|
'Unable to login: %s' % error, expected=True)
|
||||||
|
raise ExtractorError('Unable to log in')
|
||||||
|
|
||||||
|
def _real_extract(self, url):
|
||||||
|
lecture_id = self._match_id(url)
|
||||||
|
|
||||||
|
webpage = self._download_webpage(url, lecture_id)
|
||||||
|
|
||||||
|
data = self._parse_json(
|
||||||
|
self._search_regex(
|
||||||
|
r'client_data\s*=\s*({.+?})\s*;', webpage, 'client data'),
|
||||||
|
lecture_id)
|
||||||
|
|
||||||
|
material = data['initialState']['material']
|
||||||
|
desc = material['description']
|
||||||
|
title = desc['title']
|
||||||
|
|
||||||
|
formats = []
|
||||||
|
for server_id, server in material['videos'].items():
|
||||||
|
if not isinstance(server, dict):
|
||||||
|
continue
|
||||||
|
for format_id in ('hls', 'dash'):
|
||||||
|
format_url = url_or_none(server.get(format_id))
|
||||||
|
if not format_url:
|
||||||
|
continue
|
||||||
|
if format_id == 'hls':
|
||||||
|
formats.extend(self._extract_m3u8_formats(
|
||||||
|
format_url, lecture_id, 'mp4',
|
||||||
|
entry_protocol='m3u8_native', m3u8_id=format_id,
|
||||||
|
note='Downloading %s m3u8 information' % server_id,
|
||||||
|
fatal=False))
|
||||||
|
elif format_id == 'dash':
|
||||||
|
formats.extend(self._extract_mpd_formats(
|
||||||
|
format_url, lecture_id, mpd_id=format_id,
|
||||||
|
note='Downloading %s MPD manifest' % server_id,
|
||||||
|
fatal=False))
|
||||||
|
self._sort_formats(formats)
|
||||||
|
|
||||||
|
content = str_or_none(desc.get('content'))
|
||||||
|
description = (clean_html(compat_b64decode(content).decode('utf-8'))
|
||||||
|
if content else None)
|
||||||
|
duration = int_or_none(material.get('duration'), invscale=60)
|
||||||
|
|
||||||
|
return {
|
||||||
|
'id': lecture_id,
|
||||||
|
'title': title,
|
||||||
|
'description': description,
|
||||||
|
'duration': duration,
|
||||||
|
'formats': formats,
|
||||||
|
}
|
||||||
|
|
||||||
|
|
||||||
|
class PlatziCourseIE(InfoExtractor):
|
||||||
|
_VALID_URL = r'''(?x)
|
||||||
|
https?://
|
||||||
|
(?:
|
||||||
|
platzi\.com/clases| # es version
|
||||||
|
courses\.platzi\.com/classes # en version
|
||||||
|
)/(?P<id>[^/?\#&]+)
|
||||||
|
'''
|
||||||
|
_TESTS = [{
|
||||||
|
'url': 'https://platzi.com/clases/next-js/',
|
||||||
|
'info_dict': {
|
||||||
|
'id': '1311',
|
||||||
|
'title': 'Curso de Next.js',
|
||||||
|
},
|
||||||
|
'playlist_count': 22,
|
||||||
|
}, {
|
||||||
|
'url': 'https://courses.platzi.com/classes/communication-codestream/',
|
||||||
|
'info_dict': {
|
||||||
|
'id': '1367',
|
||||||
|
'title': 'Codestream Course',
|
||||||
|
},
|
||||||
|
'playlist_count': 14,
|
||||||
|
}]
|
||||||
|
|
||||||
|
@classmethod
|
||||||
|
def suitable(cls, url):
|
||||||
|
return False if PlatziIE.suitable(url) else super(PlatziCourseIE, cls).suitable(url)
|
||||||
|
|
||||||
|
def _real_extract(self, url):
|
||||||
|
course_name = self._match_id(url)
|
||||||
|
|
||||||
|
webpage = self._download_webpage(url, course_name)
|
||||||
|
|
||||||
|
props = self._parse_json(
|
||||||
|
self._search_regex(r'data\s*=\s*({.+?})\s*;', webpage, 'data'),
|
||||||
|
course_name)['initialProps']
|
||||||
|
|
||||||
|
entries = []
|
||||||
|
for chapter_num, chapter in enumerate(props['concepts'], 1):
|
||||||
|
if not isinstance(chapter, dict):
|
||||||
|
continue
|
||||||
|
materials = chapter.get('materials')
|
||||||
|
if not materials or not isinstance(materials, list):
|
||||||
|
continue
|
||||||
|
chapter_title = chapter.get('title')
|
||||||
|
chapter_id = str_or_none(chapter.get('id'))
|
||||||
|
for material in materials:
|
||||||
|
if not isinstance(material, dict):
|
||||||
|
continue
|
||||||
|
if material.get('material_type') != 'video':
|
||||||
|
continue
|
||||||
|
video_url = urljoin(url, material.get('url'))
|
||||||
|
if not video_url:
|
||||||
|
continue
|
||||||
|
entries.append({
|
||||||
|
'_type': 'url_transparent',
|
||||||
|
'url': video_url,
|
||||||
|
'title': str_or_none(material.get('name')),
|
||||||
|
'id': str_or_none(material.get('id')),
|
||||||
|
'ie_key': PlatziIE.ie_key(),
|
||||||
|
'chapter': chapter_title,
|
||||||
|
'chapter_number': chapter_num,
|
||||||
|
'chapter_id': chapter_id,
|
||||||
|
})
|
||||||
|
|
||||||
|
course_id = compat_str(try_get(props, lambda x: x['course']['id']))
|
||||||
|
course_title = try_get(props, lambda x: x['course']['name'], compat_str)
|
||||||
|
|
||||||
|
return self.playlist_result(entries, course_id, course_title)
|
Loading…
Reference in a new issue