Akkariin/youtube-dl
1
0
Fork 0
mirror of https://github.com/l1ving/youtube-dl synced 2025-01-23 22:33:21 +08:00
Code Issues Releases Wiki Activity

Desired improvements, changed regex for _og_regexes to match invalid dashed ones

Browse Source
This commit is contained in:
Ales Jirasek 2019-02-05 21:39:12 +01:00
parent 2493061dd8
commit 8559fcbd54
2 changed files with 21 additions and 31 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

2
youtube_dl/extractor/common.py
View File

@ -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'<meta[^>]+?%s[^>]+?%s'
return [

50
youtube_dl/extractor/malltv.py
View File

@ -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<before><source src=([\"\'])?)(?P<src>.+?/(?P<id>\w{6,}?)/index)(?P<after>\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'<source src=([\"\'])?(?P<src>.+?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<before>\g<src>.m3u8\g<after>', 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