mirror of
https://github.com/yt-dlp/yt-dlp.git
synced 2024-11-16 13:23:20 +00:00
[threads] Add extractor
This commit is contained in:
parent
ac817bc83e
commit
f80ba18ee9
|
@ -1449,6 +1449,8 @@ # Supported sites
|
||||||
- **ThisVid**
|
- **ThisVid**
|
||||||
- **ThisVidMember**
|
- **ThisVidMember**
|
||||||
- **ThisVidPlaylist**
|
- **ThisVidPlaylist**
|
||||||
|
- **Threads**
|
||||||
|
- **ThreadsIOS**: Threads' iOS `barcelona://` URL
|
||||||
- **ThreeSpeak**
|
- **ThreeSpeak**
|
||||||
- **ThreeSpeakUser**
|
- **ThreeSpeakUser**
|
||||||
- **TikTok**
|
- **TikTok**
|
||||||
|
|
|
@ -1988,6 +1988,10 @@
|
||||||
ThisVidMemberIE,
|
ThisVidMemberIE,
|
||||||
ThisVidPlaylistIE,
|
ThisVidPlaylistIE,
|
||||||
)
|
)
|
||||||
|
from .threads import (
|
||||||
|
ThreadsIE,
|
||||||
|
ThreadsIOSIE
|
||||||
|
)
|
||||||
from .threespeak import (
|
from .threespeak import (
|
||||||
ThreeSpeakIE,
|
ThreeSpeakIE,
|
||||||
ThreeSpeakUserIE,
|
ThreeSpeakUserIE,
|
||||||
|
|
157
yt_dlp/extractor/threads.py
Normal file
157
yt_dlp/extractor/threads.py
Normal file
|
@ -0,0 +1,157 @@
|
||||||
|
from .common import InfoExtractor
|
||||||
|
from ..utils import (
|
||||||
|
strftime_or_none,
|
||||||
|
traverse_obj,
|
||||||
|
remove_end,
|
||||||
|
strip_or_none
|
||||||
|
)
|
||||||
|
|
||||||
|
|
||||||
|
class ThreadsIE(InfoExtractor):
|
||||||
|
_VALID_URL = r'https?://(?:www\.)?threads\.net/(?P<uploader>[^/]+)/post/(?P<id>[^/?#&]+)/?(?P<embed>embed.*?)?'
|
||||||
|
|
||||||
|
_TESTS = [{
|
||||||
|
'url': 'https://www.threads.net/@tntsportsbr/post/C6cqebdCfBi',
|
||||||
|
'info_dict': {
|
||||||
|
'id': 'C6cqebdCfBi',
|
||||||
|
'ext': 'mp4',
|
||||||
|
'title': 'md5:062673d04195aa2d99b8d7a11798cb9d',
|
||||||
|
'description': 'md5:fe0c73f9a892fb92efcc67cc075561b0',
|
||||||
|
'uploader': 'TNT Sports Brasil',
|
||||||
|
'uploader_id': 'tntsportsbr',
|
||||||
|
'uploader_url': 'https://www.threads.net/@tntsportsbr',
|
||||||
|
'channel': 'tntsportsbr',
|
||||||
|
'channel_url': 'https://www.threads.net/@tntsportsbr',
|
||||||
|
'timestamp': 1714613811,
|
||||||
|
'upload_date': '20240502',
|
||||||
|
'like_count': int,
|
||||||
|
'channel_is_verified': bool,
|
||||||
|
'thumbnail': r're:^https?://.*\.jpg'
|
||||||
|
}
|
||||||
|
}, {
|
||||||
|
'url': 'https://www.threads.net/@felipebecari/post/C6cM_yNPHCF',
|
||||||
|
'info_dict': {
|
||||||
|
'id': 'C6cM_yNPHCF',
|
||||||
|
'ext': 'mp4',
|
||||||
|
'title': '@felipebecari • Sobre o futuro dos dois últimos resgatados: tem muita notícia boa! 🐶❤️',
|
||||||
|
'description': 'Sobre o futuro dos dois últimos resgatados: tem muita notícia boa! 🐶❤️',
|
||||||
|
'uploader': 'Felipe Becari',
|
||||||
|
'uploader_id': 'felipebecari',
|
||||||
|
'uploader_url': 'https://www.threads.net/@felipebecari',
|
||||||
|
'channel': 'felipebecari',
|
||||||
|
'channel_url': 'https://www.threads.net/@felipebecari',
|
||||||
|
'timestamp': 1714598318,
|
||||||
|
'upload_date': '20240501',
|
||||||
|
'like_count': int,
|
||||||
|
'channel_is_verified': bool,
|
||||||
|
'thumbnail': r're:^https?://.*\.jpg'
|
||||||
|
}
|
||||||
|
}]
|
||||||
|
|
||||||
|
def _real_extract(self, url):
|
||||||
|
video_id = self._match_id(url)
|
||||||
|
webpage = self._download_webpage(url, video_id)
|
||||||
|
metadata = {}
|
||||||
|
|
||||||
|
# Try getting videos from json
|
||||||
|
json_data = self._search_regex(
|
||||||
|
r'<script[^>]+>(.*"code":"%s".*)</script>' % video_id,
|
||||||
|
webpage, 'main json', fatal=True)
|
||||||
|
|
||||||
|
result = self._search_json(
|
||||||
|
r'"result":', json_data,
|
||||||
|
'result data', video_id, fatal=True)
|
||||||
|
|
||||||
|
edges = traverse_obj(result, ('data', 'data', 'edges'))
|
||||||
|
|
||||||
|
for node in edges:
|
||||||
|
items = traverse_obj(node, ('node', 'thread_items'))
|
||||||
|
|
||||||
|
for item in items:
|
||||||
|
post = item.get('post')
|
||||||
|
|
||||||
|
if post and post.get('code') == video_id:
|
||||||
|
formats = []
|
||||||
|
thumbnails = []
|
||||||
|
|
||||||
|
# Videos
|
||||||
|
if (post.get('carousel_media') is not None): # Handle multiple videos posts
|
||||||
|
media_list = post.get('carousel_media')
|
||||||
|
else:
|
||||||
|
media_list = [post]
|
||||||
|
|
||||||
|
for media in media_list:
|
||||||
|
videos = media.get('video_versions')
|
||||||
|
|
||||||
|
for video in videos:
|
||||||
|
formats.append({
|
||||||
|
'format_id': '%s-%s' % (media.get('pk'), video['type']), # id-type
|
||||||
|
'url': video['url'],
|
||||||
|
'width': media.get('original_width'),
|
||||||
|
'height': media.get('original_height'),
|
||||||
|
})
|
||||||
|
|
||||||
|
# Thumbnails
|
||||||
|
thumbs = traverse_obj(post, ('image_versions2', 'candidates'))
|
||||||
|
|
||||||
|
for thumb in thumbs:
|
||||||
|
thumbnails.append({
|
||||||
|
'url': thumb['url'],
|
||||||
|
'width': thumb['width'],
|
||||||
|
'height': thumb['height'],
|
||||||
|
})
|
||||||
|
|
||||||
|
# Metadata
|
||||||
|
metadata.setdefault('uploader_id', traverse_obj(post, ('user', 'username')))
|
||||||
|
metadata.setdefault('channel_is_verified', traverse_obj(post, ('user', 'is_verified')))
|
||||||
|
metadata.setdefault('uploader_url', 'https://www.threads.net/@%s' % traverse_obj(post, ('user', 'username')))
|
||||||
|
metadata.setdefault('timestamp', post.get('taken_at'))
|
||||||
|
metadata.setdefault('like_count', post.get('like_count'))
|
||||||
|
|
||||||
|
# Try getting metadata
|
||||||
|
metadata['id'] = video_id
|
||||||
|
metadata['title'] = strip_or_none(remove_end(self._html_extract_title(webpage), '• Threads'))
|
||||||
|
metadata['description'] = self._og_search_description(webpage)
|
||||||
|
|
||||||
|
metadata['channel'] = metadata.get('uploader_id')
|
||||||
|
metadata['channel_url'] = metadata.get('uploader_url')
|
||||||
|
metadata['uploader'] = self._search_regex(r'(.*?) \(', self._og_search_title(webpage), 'uploader')
|
||||||
|
metadata['upload_date'] = strftime_or_none(metadata.get('timestamp'))
|
||||||
|
|
||||||
|
return {
|
||||||
|
**metadata,
|
||||||
|
'formats': formats,
|
||||||
|
'thumbnails': thumbnails
|
||||||
|
}
|
||||||
|
|
||||||
|
|
||||||
|
class ThreadsIOSIE(InfoExtractor):
|
||||||
|
IE_DESC = 'IOS barcelona:// URL'
|
||||||
|
_VALID_URL = r'barcelona://media\?shortcode=(?P<id>[^/?#&]+)'
|
||||||
|
_TESTS = [{
|
||||||
|
'url': 'barcelona://media?shortcode=C6fDehepo5D',
|
||||||
|
'info_dict': {
|
||||||
|
'id': 'C6fDehepo5D',
|
||||||
|
'ext': 'mp4',
|
||||||
|
'title': 'md5:dc92f960981b8b3a33eba9681e9fdfc6',
|
||||||
|
'description': 'md5:0c36a7e67e1517459bc0334dba932164',
|
||||||
|
'uploader': 'Sa\u0303o Paulo Futebol Clube',
|
||||||
|
'uploader_id': 'saopaulofc',
|
||||||
|
'uploader_url': 'https://www.threads.net/@saopaulofc',
|
||||||
|
'channel': 'saopaulofc',
|
||||||
|
'channel_url': 'https://www.threads.net/@saopaulofc',
|
||||||
|
'timestamp': 1714694014,
|
||||||
|
'upload_date': '20240502',
|
||||||
|
'like_count': int,
|
||||||
|
'channel_is_verified': bool,
|
||||||
|
'thumbnail': r're:^https?://.*\.jpg'
|
||||||
|
},
|
||||||
|
'add_ie': ['Threads']
|
||||||
|
}]
|
||||||
|
|
||||||
|
def _real_extract(self, url):
|
||||||
|
video_id = self._match_id(url)
|
||||||
|
|
||||||
|
# Threads doesn't care about the user url, it redirects to the right one
|
||||||
|
# So we use ** instead so that we don't need to find it
|
||||||
|
return self.url_result(f'http://www.threads.net/**/post/{video_id}', ThreadsIE, video_id)
|
Loading…
Reference in a new issue