diff --git a/yt_dlp/extractor/rtp.py b/yt_dlp/extractor/rtp.py index 26aec2e4cc..ccd7b2494c 100644 --- a/yt_dlp/extractor/rtp.py +++ b/yt_dlp/extractor/rtp.py @@ -4,40 +4,97 @@ import urllib.parse from .common import InfoExtractor -from ..utils import js_to_json +from ..utils import ( + ExtractorError, + determine_ext, + join_nonempty, + js_to_json, +) class RTPIE(InfoExtractor): - _VALID_URL = r'https?://(?:www\.)?rtp\.pt/play/(?:(?:estudoemcasa|palco|zigzag)/)?p(?P[0-9]+)/(?P[^/?#]+)' + _VALID_URL = r'https?://(?:(?:(?:www\.)?rtp\.pt/play/(?P.*/)?p(?P[0-9]+)/)|(?:arquivos\.rtp\.pt/conteudos/))(?P[^/?#]+)/?' _TESTS = [{ - 'url': 'http://www.rtp.pt/play/p405/e174042/paixoes-cruzadas', - 'md5': 'e736ce0c665e459ddb818546220b4ef8', + 'url': 'https://www.rtp.pt/play/p9165/e562949/por-do-sol', 'info_dict': { - 'id': 'e174042', - 'ext': 'mp3', - 'title': 'Paixões Cruzadas', - 'description': 'As paixões musicais de António Cartaxo e António Macedo', - 'thumbnail': r're:^https?://.*\.jpg', - }, - }, { - 'url': 'https://www.rtp.pt/play/zigzag/p13166/e757904/25-curiosidades-25-de-abril', - 'md5': '9a81ed53f2b2197cfa7ed455b12f8ade', - 'info_dict': { - 'id': 'e757904', + 'id': 'e562949', 'ext': 'mp4', - 'title': '25 Curiosidades, 25 de Abril', - 'description': 'Estudar ou não estudar - Em cada um dos episódios descobrimos uma curiosidade acerca de como era viver em Portugal antes da revolução do 25 de abr', - 'thumbnail': r're:^https?://.*\.jpg', + 'title': 'Pôr do Sol Episódio 1', + 'description': 'Madalena Bourbon de Linhaça vive atormentada pelo segredo que esconde desde 1990. Matilde Bourbon de Linhaça sonha fugir com o seu amor proibido. O', + 'thumbnail': r're:^https?://.*\.(jpg|png)', }, }, { - 'url': 'http://www.rtp.pt/play/p831/a-quimica-das-coisas', - 'only_matching': True, + 'url': 'https://www.rtp.pt/play/p12646/e738493/telejornal', + 'info_dict': { + 'id': 'e738493', + 'ext': 'mp4', + 'title': 'Telejornal de 01 jan 2024 PARTE 1', + 'description': 'A mais rigorosa seleção de notícias, todos os dias às 20h00. De segunda a domingo, João Adelino Faria, José Rodrigues dos Santos e Ana Lourenço', + 'thumbnail': r're:^https?://.*\.(jpg|png)', + }, }, { - 'url': 'https://www.rtp.pt/play/estudoemcasa/p7776/portugues-1-ano', - 'only_matching': True, + 'url': 'https://www.rtp.pt/play/p6646/e457262/grande-entrevista', + 'info_dict': { + 'id': 'e457262', + 'ext': 'mp4', + 'title': 'Grande Entrevista Episódio 7 - de 19 fev 2020', + 'description': 'Bruno Nogueira - É um dos mais originais humoristas portugueses e de maior êxito! Bruno Nogueira na Grande Entrevista com Vítor Gonçalves.', + 'thumbnail': r're:^https?://.*\.(jpg|png)', + }, }, { - 'url': 'https://www.rtp.pt/play/palco/p13785/l7nnon', - 'only_matching': True, + 'url': 'https://www.rtp.pt/play/p1525/e738522/a-mosca', + 'info_dict': { + 'id': 'e738522', + 'ext': 'mp4', + 'title': 'A Mosca de 02 jan 2024', + 'description': 'Ano novo, vida nova - Ano novo, vida nova', + 'thumbnail': r're:^https?://.*\.(jpg|png)', + }, + }, { + 'url': 'https://www.rtp.pt/play/estudoemcasa/p7776/e539826/portugues-1-ano', + 'info_dict': { + 'id': 'e539826', + 'ext': 'mp4', + 'title': 'Português - 1.º ano , aula 45 - 27 abr 2021', + 'description': 'A História do Pedrito Coelho, de Beatrix Potter. O dígrafo \'lh\' - A História do Pedrito Coelho, de Beatrix Potter. O dígrafo \'lh\'.', + 'thumbnail': r're:^https?://.*\.(jpg|png)', + }, + }, { + 'url': 'https://www.rtp.pt/play/zigzag/p13857/e794575/zig-zag-zzz-e-amigos', + 'info_dict': { + 'id': 'e794575', + 'ext': 'mp4', + 'title': 'Zig, Zag, Zzz e Amigos Episódio 1 - de 16 set 2024', + 'description': 'O Brinquedo Perdido - Zig, Zag e Zzz são três amigos inseparáveis que partilham aventuras emocionantes e cheias de imaginação. Exploram o mundo �', + 'thumbnail': r're:^https?://.*\.(jpg|png)', + }, + }, { + 'url': 'https://www.rtp.pt/play/palco/p13151/premio-miguel-rovisco-2023-requiem-por-isabel', + 'info_dict': { + 'id': 'premio-miguel-rovisco-2023-requiem-por-isabel', + 'ext': 'mp4', + 'title': 'Prémio Miguel Rovisco 23: Requiem Por Isabel de 30 mar 2024', + 'description': 'Lucrécia foi a atriz mais famosa e requisitada do seu tempo. Este já não é o seu tempo. A debater-se com a decrepitude física e financeira, foi o', + 'thumbnail': r're:^https?://.*\.(jpg|png)', + }, + }, { + 'url': 'https://arquivos.rtp.pt/conteudos/liga-dos-ultimos-152/', + 'info_dict': { + 'id': 'liga-dos-ultimos-152', + 'ext': 'mp4', + 'title': 'Liga dos Últimos – RTP Arquivos', + 'description': 'Magazine desportivo, com apresentação de Álvaro Costa e comentários em estúdio do professor Hernâni Gonçalves e do sociólogo João Nuno Coelho. Destaque para os jogos de futebol das equipas dos escalões secundários de Portugal, com momentos dos jogos: Agrário de Lamas vs Pampilhoense e Apúlia vs Fragoso.', + 'thumbnail': r're:^https?://.*\.(jpg|png)', + }, + }, { + 'url': 'https://www.rtp.pt/play/p510/e786608/aleixo-fm', + 'info_dict': { + 'id': 'e786608', + 'ext': 'mp3', + 'title': 'Aleixo FM de 31 jul 2024', + 'description': 'Melhor dia pra casar - Já o diz Joaquim de Magalhães Fernandes Barreiros, comummente conhecido como Quim Barreiros. Mas será mesmo este o melhor di', + 'thumbnail': r're:^https?://.*\.(jpg|png)', + }, }] _RX_OBFUSCATION = re.compile(r'''(?xs) @@ -60,42 +117,77 @@ def _real_extract(self, url): video_id = self._match_id(url) webpage = self._download_webpage(url, video_id) - title = self._html_search_meta( - 'twitter:title', webpage, display_name='title', fatal=True) + # Title tag includes relevant data + title = self._html_search_regex(r'(.+?)', webpage, 'title', default='') + + # Raise error if episode is unavailable + if 'Este episódio não se encontra disponível' in title: + raise ExtractorError('Episode unavailable', expected=True) + + # Replace irrelevant text in title + title = re.sub(r' - ?(RTP Play|Estudo Em Casa|Zig Zag Play|RTP Palco)( - RTP)?', '', title) + + # Check if it's a episode split in parts + part = self._html_search_regex(r'section\-parts.*(.+?).*', webpage, 'part', default=None) + + # Add episode part identification to title if it exists + title = join_nonempty(title, part, delim=' ') + + # Extract f and config from page f, config = self._search_regex( r'''(?sx) (?:var\s+f\s*=\s*(?P".*?"|{[^;]+?});\s*)? - var\s+player1\s+=\s+new\s+RTPPlayer\s*\((?P{(?:(?!\*/).)+?})\);(?!\s*\*/) + var\s+player1?\s+=\s+new\s+RTPPlayer\s*\((?P{(?:(?!\*/).)+?})\);(?!\s*\*/) ''', webpage, 'player config', group=('f', 'config')) config = self._parse_json( config, video_id, lambda data: self.__unobfuscate(data, video_id=video_id)) + + # Estudo em Casa / Zig Zag / Palco / RTP Arquivos subareas don't include f f = config['file'] if not f else self._parse_json( f, video_id, lambda data: self.__unobfuscate(data, video_id=video_id)) formats = [] if isinstance(f, dict): - f_hls = f.get('hls') - if f_hls is not None: - formats.extend(self._extract_m3u8_formats( - f_hls, video_id, 'mp4', 'm3u8_native', m3u8_id='hls')) + file_hls = f.get('hls') + file_fps = f.get('fps') - f_dash = f.get('dash') - if f_dash is not None: - formats.extend(self._extract_mpd_formats(f_dash, video_id, mpd_id='dash')) + if file_fps is not None: + # RTP Arquivos specific use case + if '/arquivo/' in file_fps: + file_key = config['fileKey'] + split_file_key = file_key.split('/') + filename = split_file_key[-1] + del split_file_key[-1] + split_file_key.extend([f'index.m3u8?tlm=hls&streams={filename}.m3u8']) + + path = '/'.join(split_file_key) + + file_hls = f'https://streaming-arquivo-ondemand.rtp.pt/nas2.share{path}' + elif file_hls is None: + file_hls = file_fps.replace('drm-fps', 'hls') + + formats.extend(self._extract_m3u8_formats( + file_hls, video_id, 'mp4', 'm3u8_native', m3u8_id='hls')) else: - formats.append({ - 'format_id': 'f', - 'url': f, - 'vcodec': 'none' if config.get('mediaType') == 'audio' else None, - }) + ext = determine_ext(f) + + if ext == 'm3u8': + formats.extend(self._extract_m3u8_formats( + f, video_id, 'mp4', 'm3u8_native', m3u8_id='hls')) + + else: + formats.append({ + 'format_id': 'f', + 'url': f, + 'vcodec': 'none' if config.get('mediaType') == 'audio' else None, + }) subtitles = {} - vtt = config.get('vtt') if vtt is not None: for lcode, lname, url in vtt: @@ -108,7 +200,7 @@ def _real_extract(self, url): 'id': video_id, 'title': title, 'formats': formats, - 'description': self._html_search_meta(['description', 'twitter:description'], webpage), + 'description': self._html_search_meta(['og:description', 'description'], webpage), 'thumbnail': config.get('poster') or self._og_search_thumbnail(webpage), 'subtitles': subtitles, }