diff --git a/youtube_dl/extractor/common.py b/youtube_dl/extractor/common.py index 2dbf81e6e..a652d51f8 100644 --- a/youtube_dl/extractor/common.py +++ b/youtube_dl/extractor/common.py @@ -1052,7 +1052,7 @@ class InfoExtractor(object): @staticmethod def _og_regexes(prop): content_re = r'content=(?:"([^"]+?)"|\'([^\']+?)\'|\s*([^\s"\'=<>`]+?))' - property_re = (r'(?:name|property)=(?:\'og:%(prop)s\'|"og:%(prop)s"|\s*og:%(prop)s\b)' + property_re = (r'(?:name|property)=(?:\'og[:-]%(prop)s\'|"og[:-]%(prop)s"|\s*og[:-]%(prop)s\b)' % {'prop': re.escape(prop)}) template = r']+?%s[^>]+?%s' return [ diff --git a/youtube_dl/extractor/malltv.py b/youtube_dl/extractor/malltv.py index be8b7a762..7a0e5e6fa 100644 --- a/youtube_dl/extractor/malltv.py +++ b/youtube_dl/extractor/malltv.py @@ -4,6 +4,7 @@ from __future__ import unicode_literals import hashlib from .common import InfoExtractor from ..utils import parse_duration +import re class MallTVIE(InfoExtractor): @@ -13,54 +14,43 @@ class MallTVIE(InfoExtractor): 'url': 'https://www.mall.tv/18-miliard-pro-neziskovky-opravdu-jsou-sportovci-nebo-clovek-v-tisni-pijavice', 'md5': '9ced0de056534410837077e23bfba796', 'info_dict': { - 'id': 'af7649e93dc6a2a04198e6c8143605a4', + 'id': 't0zzt0', 'ext': 'mp4', 'title': '18 miliard pro neziskovky. Opravdu jsou sportovci nebo Člověk v tísni pijavice?', - 'description': ('Pokud někdo hospodaří s penězmi daňových ' - 'poplatníků, pak logicky chceme vědět, jak s ' - 'nimi nakládá. Objem dotací pro neziskovky ' - 'roste, ale opravdu jsou tyto organizace ' - '„pijavice", jak o nich hovoří And') + 'description': "Pokud někdo hospodaří s penězmi daňových poplatníků, pak logicky chceme vědět, jak s nimi nakládá. Objem dotací pro neziskovky roste, ale opravdu jsou tyto organizace „pijavice', jak o nich hovoří And" } }, { 'url': 'https://www.mall.tv/kdo-to-plati/18-miliard-pro-neziskovky-opravdu-jsou-sportovci-nebo-clovek-v-tisni-pijavice', 'md5': '9ced0de056534410837077e23bfba796', 'info_dict': { - 'id': 'af7649e93dc6a2a04198e6c8143605a4', + 'id': 't0zzt0', 'ext': 'mp4', 'title': '18 miliard pro neziskovky. Opravdu jsou sportovci nebo Člověk v tísni pijavice?', - 'description': ('Pokud někdo hospodaří s penězmi daňových ' - 'poplatníků, pak logicky chceme vědět, jak s ' - 'nimi nakládá. Objem dotací pro neziskovky ' - 'roste, ale opravdu jsou tyto organizace ' - '„pijavice", jak o nich hovoří And') + 'description': "Pokud někdo hospodaří s penězmi daňových poplatníků, pak logicky chceme vědět, jak s nimi nakládá. Objem dotací pro neziskovky roste, ale opravdu jsou tyto organizace „pijavice', jak o nich hovoří And" } } ] def _real_extract(self, url): - video_id = self._match_id(url) - webpage = self._download_webpage(url, video_id) + display_id = self._match_id(url) + webpage = self._download_webpage(url, display_id) + src_id_regex = r'(?P.+?/(?P\w{6,}?)/index)(?P\1?[^>]*?>)' + video_id = self._html_search_regex(src_id_regex, webpage, 'ID', + group='id') info = self._search_json_ld(webpage, video_id, default={}) - - format_url = self._html_search_regex( - r'.+?index)\1?[^>]*?>', - webpage, 'm3u8 URL', group='src') - formats = self._extract_m3u8_formats(format_url+'.m3u8', - video_id, 'mp4') - self._sort_formats(formats) - thumbnail = info.get('thumbnailUrl', self._og_search_thumbnail(webpage)) + html = re.sub(src_id_regex, r'\g\g.m3u8\g', webpage) + media = self._parse_html5_media_entries('', html, video_id) + thumbnail = info.get('thumbnail', self._og_search_thumbnail(webpage)) duration = parse_duration(info.get('duration')) result = { - 'id': hashlib.md5(video_id).hexdigest().decode('utf8'), - 'title': info.get('name', self._og_search_title(webpage)), - 'description': self._og_search_description(webpage), - 'formats': formats + 'id': video_id, + 'title': info.get('title', self._og_search_title(webpage)), + 'description': self._og_search_description(webpage) } - if thumbnail: - result.update({'thumbnail': thumbnail}) - if duration: - result.update({'duration': duration}) + if media: + result.update(media[0]) + result.update({'thumbnail': thumbnail}) + result.update({'duration': duration}) return result