Add Yahoo Japan News extractor.
This commit is contained in:
Kyle
parent
3b446ab351
commit
1a1c9e3f71
@ -1448,6 +1448,7 @@ from .yahoo import (
|
|||||||
YahooSearchIE,
|
YahooSearchIE,
|
||||||
YahooGyaOPlayerIE,
|
YahooGyaOPlayerIE,
|
||||||
YahooGyaOIE,
|
YahooGyaOIE,
|
||||||
|
YahooJapanNewsIE,
|
||||||
)
|
)
|
||||||
from .yandexdisk import YandexDiskIE
|
from .yandexdisk import YandexDiskIE
|
||||||
from .yandexmusic import (
|
from .yandexmusic import (
|
||||||
|
|||||||
@ -1,12 +1,14 @@
|
|||||||
# coding: utf-8
|
# coding: utf-8
|
||||||
from __future__ import unicode_literals
|
from __future__ import unicode_literals
|
||||||
|
|
||||||
|
import hashlib
|
||||||
import itertools
|
import itertools
|
||||||
import json
|
import json
|
||||||
import re
|
import re
|
||||||
|
|
||||||
from .common import InfoExtractor, SearchInfoExtractor
|
from .common import InfoExtractor, SearchInfoExtractor
|
||||||
from ..compat import (
|
from ..compat import (
|
||||||
|
compat_str,
|
||||||
compat_urllib_parse,
|
compat_urllib_parse,
|
||||||
compat_urlparse,
|
compat_urlparse,
|
||||||
)
|
)
|
||||||
@ -18,7 +20,9 @@ from ..utils import (
|
|||||||
int_or_none,
|
int_or_none,
|
||||||
mimetype2ext,
|
mimetype2ext,
|
||||||
smuggle_url,
|
smuggle_url,
|
||||||
|
try_get,
|
||||||
unescapeHTML,
|
unescapeHTML,
|
||||||
|
url_or_none,
|
||||||
)
|
)
|
||||||
|
|
||||||
from .brightcove import (
|
from .brightcove import (
|
||||||
@ -556,3 +560,285 @@ class YahooGyaOIE(InfoExtractor):
|
|||||||
'https://gyao.yahoo.co.jp/player/%s/' % video_id.replace(':', '/'),
|
'https://gyao.yahoo.co.jp/player/%s/' % video_id.replace(':', '/'),
|
||||||
YahooGyaOPlayerIE.ie_key(), video_id))
|
YahooGyaOPlayerIE.ie_key(), video_id))
|
||||||
return self.playlist_result(entries, program_id)
|
return self.playlist_result(entries, program_id)
|
||||||
|
|
||||||
|
|
||||||
|
class YahooJapanNewsIE(InfoExtractor):
|
||||||
|
IE_NAME = 'yahoo:japannews'
|
||||||
|
IE_DESC = 'Yahoo! Japan News'
|
||||||
|
_VALID_URL = r'https?://(?P<host>(?:news|headlines)\.yahoo\.co\.jp)(/[^\d]*(?P<id>\d[\d-]*\d))?'
|
||||||
|
_TESTS = [
|
||||||
|
{
|
||||||
|
'url': 'https://headlines.yahoo.co.jp/videonews/nnn?a=20190531-00000180-nnn-int',
|
||||||
|
'info_dict': {
|
||||||
|
'id': '20190531-00000180',
|
||||||
|
'ext': 'mp4',
|
||||||
|
'title': '北“対米担当特別代表を銃殺”韓国紙報じる（日本テレビ系（NNN）） - Yahoo!ニュース',
|
||||||
|
'description': '韓国の主要紙である朝鮮日報は、２回目の米朝首脳会談が決裂した責任を問われ、北朝鮮 - Yahoo!ニュース(日本テレビ系（NNN）)',
|
||||||
|
'thumbnail': r're:^https?://.*\.[a-zA-Z\d]{3,4}$',
|
||||||
|
},
|
||||||
|
'params': {'skip_download': True},
|
||||||
|
},
|
||||||
|
{
|
||||||
|
'url': 'https://headlines.yahoo.co.jp/hl?a=20190529-00010015-houdoukvq-soci',
|
||||||
|
'info_dict': {
|
||||||
|
'id': '20190529-00010015',
|
||||||
|
'ext': 'mp4',
|
||||||
|
'title': '高校屋上から男子高校生 転落\u3000目撃 女子生徒パニックで搬送（FNN.jpプライムオンライン） - Yahoo!ニュース',
|
||||||
|
'description': '29日午後、宮崎市の高校の屋上から男子高校生が転落し、重傷となっている。29日午後2 - Yahoo!ニュース(FNN.jpプライムオンライン)',
|
||||||
|
'thumbnail': r're:^https?://.*\.[a-zA-Z\d]{3,4}$',
|
||||||
|
},
|
||||||
|
'params': {'skip_download': True},
|
||||||
|
},
|
||||||
|
{
|
||||||
|
'url': 'https://headlines.yahoo.co.jp/videonews/',
|
||||||
|
'info_dict': {
|
||||||
|
'id': 'headlines.yahoo.co.jp',
|
||||||
|
'ext': 'mp4',
|
||||||
|
'title': '映像ニュース - Yahoo!ニュース',
|
||||||
|
'description': 'テレビ局などが配信する映像ニュースを掲載。',
|
||||||
|
},
|
||||||
|
'params': {'skip_download': True},
|
||||||
|
},
|
||||||
|
{
|
||||||
|
'url': 'https://news.yahoo.co.jp',
|
||||||
|
'info_dict': {
|
||||||
|
'id': 'news.yahoo.co.jp',
|
||||||
|
'ext': 'mp4',
|
||||||
|
'title': 'Yahoo!ニュース',
|
||||||
|
'description': 'Yahoo!ニュースは、新聞・通信社が配信するニュースのほか、映像、雑誌や個人の書き手が執筆する記事など多種多様なニュースを掲載しています。',
|
||||||
|
},
|
||||||
|
'params': {'skip_download': True},
|
||||||
|
},
|
||||||
|
{
|
||||||
|
'url': 'https://news.yahoo.co.jp/byline/fujitatakanori/20190528-00127666/',
|
||||||
|
'only_matching': True,
|
||||||
|
},
|
||||||
|
{'url': 'https://news.yahoo.co.jp/pickup/6325141', 'only_matching': True},
|
||||||
|
]
|
||||||
|
_USER_AGENT = 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.169 Safari/537.36'
|
||||||
|
_ORIGIN = 'https://s.yimg.jp'
|
||||||
|
|
||||||
|
def _extract_formats(self, json_data, content_id):
|
||||||
|
formats = []
|
||||||
|
|
||||||
|
video_data = try_get(
|
||||||
|
json_data,
|
||||||
|
lambda x: x['ResultSet']['Result'][0]['VideoUrlSet']['VideoUrl'],
|
||||||
|
list,
|
||||||
|
)
|
||||||
|
if video_data:
|
||||||
|
# Article page
|
||||||
|
for vid in video_data:
|
||||||
|
delivery = vid.get('delivery')
|
||||||
|
url = url_or_none(vid.get('Url'))
|
||||||
|
if not delivery or not url:
|
||||||
|
continue
|
||||||
|
elif delivery == 'hls':
|
||||||
|
formats.extend(
|
||||||
|
self._extract_m3u8_formats(
|
||||||
|
url,
|
||||||
|
content_id,
|
||||||
|
'mp4',
|
||||||
|
entry_protocol='m3u8_native',
|
||||||
|
m3u8_id='hls',
|
||||||
|
fatal=False,
|
||||||
|
)
|
||||||
|
)
|
||||||
|
elif delivery == 'progressive':
|
||||||
|
formats.append(
|
||||||
|
{
|
||||||
|
'url': url,
|
||||||
|
'format_id': 'http-%s' % compat_str(vid.get('bitrate', '')),
|
||||||
|
'ext': determine_ext(url),
|
||||||
|
'height': int_or_none(vid.get('height')),
|
||||||
|
'width': int_or_none(vid.get('width')),
|
||||||
|
'btr': int_or_none(vid.get('bitrate')),
|
||||||
|
}
|
||||||
|
)
|
||||||
|
else:
|
||||||
|
# Headline page with multiple videos
|
||||||
|
for vid in json_data.get('videos', []):
|
||||||
|
for src in vid.get('sources', []):
|
||||||
|
url = url_or_none(src.get('src'))
|
||||||
|
ext = determine_ext(url)
|
||||||
|
if not url:
|
||||||
|
continue
|
||||||
|
if ext == 'm3u8':
|
||||||
|
formats.extend(
|
||||||
|
self._extract_m3u8_formats(
|
||||||
|
url,
|
||||||
|
content_id,
|
||||||
|
'mp4',
|
||||||
|
entry_protocol='m3u8_native',
|
||||||
|
m3u8_id='hls',
|
||||||
|
fatal=False,
|
||||||
|
)
|
||||||
|
)
|
||||||
|
else:
|
||||||
|
formats.append({'url': url, 'ext': ext})
|
||||||
|
|
||||||
|
self._remove_duplicate_formats(formats)
|
||||||
|
self._sort_formats(formats)
|
||||||
|
|
||||||
|
return formats
|
||||||
|
|
||||||
|
@staticmethod
|
||||||
|
def _get_md5(s):
|
||||||
|
return hashlib.md5(s.encode()).hexdigest()
|
||||||
|
|
||||||
|
def _real_extract(self, url):
|
||||||
|
mobj = re.match(self._VALID_URL, url)
|
||||||
|
host = mobj.group('host')
|
||||||
|
# Headline page without `displayid` defaults to `host`.
|
||||||
|
display_id = mobj.group('id') or host
|
||||||
|
webpage = self._download_webpage(url, display_id)
|
||||||
|
|
||||||
|
title = (
|
||||||
|
self._og_search_title(webpage, default=None)
|
||||||
|
or self._html_search_meta('twitter:title', webpage, default=None)
|
||||||
|
or self._html_search_regex('<title>([^<]+)</title>', webpage, 'title')
|
||||||
|
)
|
||||||
|
description = (
|
||||||
|
self._og_search_description(webpage, default=None)
|
||||||
|
or self._html_search_meta('description', webpage, default=None)
|
||||||
|
or self._html_search_meta('twitter:description', webpage, default=None)
|
||||||
|
)
|
||||||
|
thumbnail = self._og_search_thumbnail(
|
||||||
|
webpage, default=None
|
||||||
|
) or self._html_search_meta('twitter:image', webpage, default=None)
|
||||||
|
|
||||||
|
if display_id == host:
|
||||||
|
# Headline page with playlist of videos
|
||||||
|
formats = []
|
||||||
|
|
||||||
|
# No single useful `contentid` on page
|
||||||
|
content_id = display_id
|
||||||
|
|
||||||
|
stream_urls_plists = re.findall(
|
||||||
|
r'YJNEWS\.LIVESTREAM\.SRC.+=(?:\s+)?["\'](?P<streamurl>[^"\']+plist=(?P<plist>\d+)[^"\']+)',
|
||||||
|
webpage,
|
||||||
|
)
|
||||||
|
if not stream_urls_plists:
|
||||||
|
# Manually build stream urls ('news.yahoo.co.jp', ...)
|
||||||
|
sbase_url = 'https://s.yimg.jp/images/media/video/player/html/embed_1.2.5.html?service=news&service_type=video&plist=%s&poster=%s&sp=%s&country=JP'
|
||||||
|
|
||||||
|
params = re.findall(
|
||||||
|
r'["\']plist["\']:\s*["\'](?P<plist>[^"\']+)[^;]+?["\']poster["\']:\s*["\'](?P<poster>[^"\']+)[^;]+?["\']spaceId["\']:\s*["\'](?P<spaceid>[^"\']+)',
|
||||||
|
webpage,
|
||||||
|
)
|
||||||
|
for p in params:
|
||||||
|
stream_urls_plists.append((sbase_url % p, p[0]))
|
||||||
|
|
||||||
|
for url, plist_id in stream_urls_plists:
|
||||||
|
embed_page = self._download_webpage(
|
||||||
|
'https://s.yimg.jp/images/media/video/player/js/embed_1.0.9.min.js',
|
||||||
|
plist_id,
|
||||||
|
headers={
|
||||||
|
'Authority': 's.yimg.jp',
|
||||||
|
'Path': '/images/media/video/player/js/embed_1.0.9.min.js',
|
||||||
|
'Referer': url,
|
||||||
|
'User-Agent': self._USER_AGENT,
|
||||||
|
},
|
||||||
|
)
|
||||||
|
account = self._search_regex(
|
||||||
|
r'\w+\.video_attr\[(["\'])data-account\1\]\s*=\s*\1(?P<accountid>[\d]+)',
|
||||||
|
embed_page,
|
||||||
|
'account id',
|
||||||
|
group='accountid',
|
||||||
|
)
|
||||||
|
player = self._search_regex(
|
||||||
|
r'\w+\.video_attr\[(["\'])data-player\1\]\s*=\s*\1(?P<playerid>[^"\']+)',
|
||||||
|
embed_page,
|
||||||
|
'player id',
|
||||||
|
group='playerid',
|
||||||
|
)
|
||||||
|
embed = self._search_regex(
|
||||||
|
r'(["\'])data-embed\1\s*:\s*\1(?P<embed>[^"\']+)',
|
||||||
|
embed_page,
|
||||||
|
'embed',
|
||||||
|
group='embed',
|
||||||
|
)
|
||||||
|
indexjs_page = self._download_webpage(
|
||||||
|
'https://players.brightcove.net/%s/%s_%s/index.min.js'
|
||||||
|
% (account, player, embed),
|
||||||
|
plist_id,
|
||||||
|
headers={'Referer': url, 'User-Agent': self._USER_AGENT},
|
||||||
|
)
|
||||||
|
policy_key = self._search_regex(
|
||||||
|
r'policyKey:\s*["\']([^"\']+)', indexjs_page, 'policy key'
|
||||||
|
)
|
||||||
|
|
||||||
|
json_data = self._download_json(
|
||||||
|
'https://edge.api.brightcove.com/playback/v1/accounts/%s/playlists/%s'
|
||||||
|
% (account, plist_id),
|
||||||
|
plist_id,
|
||||||
|
headers={
|
||||||
|
'Accept': 'application/json;pk=%s' % policy_key,
|
||||||
|
'Origin': self._ORIGIN,
|
||||||
|
'Referer': url,
|
||||||
|
'User-Agent': self._USER_AGENT,
|
||||||
|
},
|
||||||
|
fatal=False,
|
||||||
|
)
|
||||||
|
|
||||||
|
formats.extend(self._extract_formats(json_data, content_id))
|
||||||
|
|
||||||
|
else:
|
||||||
|
# Article page
|
||||||
|
app_id = 'dj0zaiZpPVZMTVFJR0FwZWpiMyZzPWNvbnN1bWVyc2VjcmV0Jng9YjU-'
|
||||||
|
space_id = (
|
||||||
|
self._search_regex(
|
||||||
|
r'<script[^>]+class=(["\'])yvpub-player\1[^>]+spaceid=(?P<spaceid>[^&"\']+)',
|
||||||
|
webpage,
|
||||||
|
'spaceid',
|
||||||
|
group='spaceid',
|
||||||
|
default=None,
|
||||||
|
)
|
||||||
|
or self._search_regex(
|
||||||
|
r'YAHOO\.JP\.srch\.\w+link\.onLoad[^;]+spaceID["\' ]*:["\' ]+([^"\']+)',
|
||||||
|
webpage,
|
||||||
|
'spaceid',
|
||||||
|
default=None,
|
||||||
|
)
|
||||||
|
or self._search_regex(r'<!--\s+SpaceID=(\d+)', webpage, 'spaceid')
|
||||||
|
)
|
||||||
|
content_id = self._search_regex(
|
||||||
|
r'<script[^>]+class=(["\'])yvpub-player\1[^>]+contentid=(?P<contentid>[^&"\']+)',
|
||||||
|
webpage,
|
||||||
|
'contentid',
|
||||||
|
group='contentid',
|
||||||
|
default=space_id,
|
||||||
|
)
|
||||||
|
# md5 hash of space_id + '_headlines.yahoo.co.jp'
|
||||||
|
ak = YahooJapanNewsIE._get_md5('_'.join((space_id, host)))
|
||||||
|
|
||||||
|
json_data = self._download_json(
|
||||||
|
'https://feapi-yvpub.yahooapis.jp/v1/content/%s' % content_id,
|
||||||
|
content_id,
|
||||||
|
headers={
|
||||||
|
'Accept': 'application/json, text/javascript, */*; q=0.01',
|
||||||
|
'Origin': self._ORIGIN,
|
||||||
|
'Host': 'feapi-yvpub.yahooapis.jp',
|
||||||
|
'User-Agent': self._USER_AGENT,
|
||||||
|
'Referer': 'https://s.yimg.jp/images/yvpub/player/vamos/pc/latest/player.html',
|
||||||
|
},
|
||||||
|
query={
|
||||||
|
'appid': app_id,
|
||||||
|
'output': 'json',
|
||||||
|
'space_id': space_id,
|
||||||
|
'domain': host,
|
||||||
|
'ak': ak,
|
||||||
|
'device_type': '1100',
|
||||||
|
},
|
||||||
|
fatal=False,
|
||||||
|
)
|
||||||
|
|
||||||
|
formats = self._extract_formats(json_data, content_id)
|
||||||
|
|
||||||
|
return {
|
||||||
|
'id': display_id,
|
||||||
|
'title': title,
|
||||||
|
'description': description,
|
||||||
|
'thumbnail': thumbnail,
|
||||||
|
'formats': formats,
|
||||||
|
}
|
||||||
|
|||||||
Loading…
x
Reference in New Issue
Block a user