# coding: utf-8 from __future__ import unicode_literals import re from .common import InfoExtractor from ..compat import ( compat_str, ) from ..utils import ( determine_ext, extract_attributes, int_or_none, merge_dicts, traverse_obj, url_or_none, variadic, ) class DLFBaseIE(InfoExtractor): _VALID_URL_BASE = r'https?://(?:www\.)?deutschlandfunk\.de/' _BUTTON_REGEX = r'(]+alt="Anhören"[^>]+data-audio-diraid[^>]*>)' def _parse_button_attrs(self, button, audio_id=None): attrs = extract_attributes(button) audio_id = audio_id or attrs['data-audio-diraid'] url = traverse_obj( attrs, 'data-audio-download-src', 'data-audio', 'data-audioreference', 'data-audio-src', expected_type=url_or_none) ext = determine_ext(url) formats = (self._extract_m3u8_formats(url, audio_id, fatal=False) if ext == 'm3u8' else [{'url': url, 'ext': ext, 'vcodec': 'none'}]) self._sort_formats(formats) def traverse_attrs(path): path = list(variadic(path)) t = path.pop() if callable(path[-1]) else None return traverse_obj(attrs, path, expected_type=t, get_all=False) def txt_or_none(v, default=None): return default if v is None else (compat_str(v).strip() or default) return merge_dicts(*reversed([{ 'id': audio_id, # 'extractor_key': DLFIE.ie_key(), # 'extractor': DLFIE.IE_NAME, 'formats': formats, }, dict((k, traverse_attrs(v)) for k, v in { 'title': (('data-audiotitle', 'data-audio-title', 'data-audio-download-tracking-title'), txt_or_none), 'duration': (('data-audioduration', 'data-audio-duration'), int_or_none), 'thumbnail': ('data-audioimage', url_or_none), 'uploader': 'data-audio-producer', 'series': 'data-audio-series', 'channel': 'data-audio-origin-site-name', 'webpage_url': ('data-audio-download-tracking-path', url_or_none), }.items())])) class DLFIE(DLFBaseIE): IE_NAME = 'dlf' _VALID_URL = DLFBaseIE._VALID_URL_BASE + r'[\w-]+-dlf-(?P[\da-f]{8})-100\.html' _TESTS = [ # Audio as an HLS stream { 'url': 'https://www.deutschlandfunk.de/tanz-der-saiteninstrumente-das-wild-strings-trio-aus-slowenien-dlf-03a3eb19-100.html', 'info_dict': { 'id': '03a3eb19', 'title': r're:Tanz der Saiteninstrumente [-/] Das Wild Strings Trio aus Slowenien', 'ext': 'm4a', 'duration': 3298, 'thumbnail': 'https://assets.deutschlandfunk.de/FALLBACK-IMAGE-AUDIO/512x512.png?t=1603714364673', 'uploader': 'Deutschlandfunk', 'series': 'On Stage', 'channel': 'deutschlandfunk' }, 'params': { 'skip_download': 'm3u8' }, 'skip': 'This webpage no longer exists' }, { 'url': 'https://www.deutschlandfunk.de/russische-athleten-kehren-zurueck-auf-die-sportbuehne-ein-gefaehrlicher-tueroeffner-dlf-d9cc1856-100.html', 'info_dict': { 'id': 'd9cc1856', 'title': 'Russische Athleten kehren zurück auf die Sportbühne: Ein gefährlicher Türöffner', 'ext': 'mp3', 'duration': 291, 'thumbnail': 'https://assets.deutschlandfunk.de/FALLBACK-IMAGE-AUDIO/512x512.png?t=1603714364673', 'uploader': 'Deutschlandfunk', 'series': 'Kommentare und Themen der Woche', 'channel': 'deutschlandfunk' } }, ] def _real_extract(self, url): audio_id = self._match_id(url) webpage = self._download_webpage(url, audio_id) return self._parse_button_attrs( self._search_regex(self._BUTTON_REGEX, webpage, 'button'), audio_id) class DLFCorpusIE(DLFBaseIE): IE_NAME = 'dlf:corpus' IE_DESC = 'DLF Multi-feed Archives' _VALID_URL = DLFBaseIE._VALID_URL_BASE + r'(?P(?![\w-]+-dlf-[\da-f]{8})[\w-]+-\d+)\.html' _TESTS = [ # Recorded news broadcast with referrals to related broadcasts { 'url': 'https://www.deutschlandfunk.de/fechten-russland-belarus-ukraine-protest-100.html', 'info_dict': { 'id': 'fechten-russland-belarus-ukraine-protest-100', 'title': r're:Wiederzulassung als neutrale Athleten [-/] Was die Rückkehr russischer und belarussischer Sportler beim Fechten bedeutet', 'description': 'md5:91340aab29c71aa7518ad5be13d1e8ad' }, 'playlist_mincount': 5, 'playlist': [{ 'info_dict': { 'id': '1fc5d64a', 'title': r're:Wiederzulassung als neutrale Athleten [-/] Was die Rückkehr russischer und belarussischer Sportler beim Fechten bedeutet', 'ext': 'mp3', 'duration': 252, 'thumbnail': 'https://assets.deutschlandfunk.de/aad16241-6b76-4a09-958b-96d0ee1d6f57/512x512.jpg?t=1679480020313', 'uploader': 'Deutschlandfunk', 'series': 'Sport', 'channel': 'deutschlandfunk' } }, { 'info_dict': { 'id': '2ada145f', 'title': r're:(?:Sportpolitik / )?Fechtverband votiert für Rückkehr russischer Athleten', 'ext': 'mp3', 'duration': 336, 'thumbnail': 'https://assets.deutschlandfunk.de/FILE_93982766f7317df30409b8a184ac044a/512x512.jpg?t=1678547581005', 'uploader': 'Deutschlandfunk', 'series': 'Deutschlandfunk Nova', 'channel': 'deutschlandfunk-nova' } }, { 'info_dict': { 'id': '5e55e8c9', 'title': r're:Wiederzulassung von Russland und Belarus [-/] "Herumlavieren" des Fechter-Bundes sorgt für Unverständnis', 'ext': 'mp3', 'duration': 187, 'thumbnail': 'https://assets.deutschlandfunk.de/a595989d-1ed1-4a2e-8370-b64d7f11d757/512x512.jpg?t=1679173825412', 'uploader': 'Deutschlandfunk', 'series': 'Sport am Samstag', 'channel': 'deutschlandfunk' } }, { 'info_dict': { 'id': '47e1a096', 'title': r're:Rückkehr Russlands im Fechten [-/] "Fassungslos, dass es einfach so passiert ist"', 'ext': 'mp3', 'duration': 602, 'thumbnail': 'https://assets.deutschlandfunk.de/da4c494a-21cc-48b4-9cc7-40e09fd442c2/512x512.jpg?t=1678562155770', 'uploader': 'Deutschlandfunk', 'series': 'Sport am Samstag', 'channel': 'deutschlandfunk' } }, { 'info_dict': { 'id': '5e55e8c9', 'title': r're:Wiederzulassung von Russland und Belarus [-/] "Herumlavieren" des Fechter-Bundes sorgt für Unverständnis', 'ext': 'mp3', 'duration': 187, 'thumbnail': 'https://assets.deutschlandfunk.de/a595989d-1ed1-4a2e-8370-b64d7f11d757/512x512.jpg?t=1679173825412', 'uploader': 'Deutschlandfunk', 'series': 'Sport am Samstag', 'channel': 'deutschlandfunk' } }] }, # Podcast feed with tag buttons, playlist count fluctuates { 'url': 'https://www.deutschlandfunk.de/kommentare-und-themen-der-woche-100.html', 'info_dict': { 'id': 'kommentare-und-themen-der-woche-100', 'title': 'Meinung - Kommentare und Themen der Woche', 'description': 'md5:2901bbd65cd2d45e116d399a099ce5d5', }, 'playlist_mincount': 10, }, # Podcast feed with no description { 'url': 'https://www.deutschlandfunk.de/podcast-tolle-idee-100.html', 'info_dict': { 'id': 'podcast-tolle-idee-100', 'title': 'Wissenschaftspodcast - Tolle Idee! - Was wurde daraus?', }, 'playlist_mincount': 11, }, ] def _real_extract(self, url): playlist_id = self._match_id(url) webpage = self._download_webpage(url, playlist_id) return self.playlist_result( map(self._parse_button_attrs, re.findall(self._BUTTON_REGEX, webpage)), playlist_id, self._html_search_meta(['og:title', 'twitter:title'], webpage, default=None), self._html_search_meta(['description', 'og:description', 'twitter:description'], webpage, default=None))