mirror of
https://github.com/yt-dlp/yt-dlp.git
synced 2024-11-02 17:22:31 +01:00
[extractor/soundcloud:search] More metadata in --flat-playlist (#4965)
Authored by: SuperSonicHub1
This commit is contained in:
Kyle Anthony Williams
GitHub
parent
7a32c70d13
commit
c04cc2e28e
@ -60,6 +60,21 @@ class SoundcloudBaseIE(InfoExtractor):
|
|||||||
_access_token = None
|
_access_token = None
|
||||||
_HEADERS = {}
|
_HEADERS = {}
|
||||||
|
|
||||||
|
_IMAGE_REPL_RE = r'-([0-9a-z]+)\.jpg'
|
||||||
|
|
||||||
|
_ARTWORK_MAP = {
|
||||||
|
'mini': 16,
|
||||||
|
'tiny': 20,
|
||||||
|
'small': 32,
|
||||||
|
'badge': 47,
|
||||||
|
't67x67': 67,
|
||||||
|
'large': 100,
|
||||||
|
't300x300': 300,
|
||||||
|
'crop': 400,
|
||||||
|
't500x500': 500,
|
||||||
|
'original': 0,
|
||||||
|
}
|
||||||
|
|
||||||
def _store_client_id(self, client_id):
|
def _store_client_id(self, client_id):
|
||||||
self.cache.store('soundcloud', 'client_id', client_id)
|
self.cache.store('soundcloud', 'client_id', client_id)
|
||||||
|
|
||||||
@ -179,6 +194,158 @@ def sign(self, user, pw, clid):
|
|||||||
|
|
||||||
return out
|
return out
|
||||||
|
|
||||||
|
def _extract_info_dict(self, info, full_title=None, secret_token=None, extract_flat=False):
|
||||||
|
track_id = compat_str(info['id'])
|
||||||
|
title = info['title']
|
||||||
|
|
||||||
|
format_urls = set()
|
||||||
|
formats = []
|
||||||
|
query = {'client_id': self._CLIENT_ID}
|
||||||
|
if secret_token:
|
||||||
|
query['secret_token'] = secret_token
|
||||||
|
|
||||||
|
if not extract_flat and info.get('downloadable') and info.get('has_downloads_left'):
|
||||||
|
download_url = update_url_query(
|
||||||
|
self._API_V2_BASE + 'tracks/' + track_id + '/download', query)
|
||||||
|
redirect_url = (self._download_json(download_url, track_id, fatal=False) or {}).get('redirectUri')
|
||||||
|
if redirect_url:
|
||||||
|
urlh = self._request_webpage(
|
||||||
|
HEADRequest(redirect_url), track_id, fatal=False)
|
||||||
|
if urlh:
|
||||||
|
format_url = urlh.geturl()
|
||||||
|
format_urls.add(format_url)
|
||||||
|
formats.append({
|
||||||
|
'format_id': 'download',
|
||||||
|
'ext': urlhandle_detect_ext(urlh) or 'mp3',
|
||||||
|
'filesize': int_or_none(urlh.headers.get('Content-Length')),
|
||||||
|
'url': format_url,
|
||||||
|
'quality': 10,
|
||||||
|
})
|
||||||
|
|
||||||
|
def invalid_url(url):
|
||||||
|
return not url or url in format_urls
|
||||||
|
|
||||||
|
def add_format(f, protocol, is_preview=False):
|
||||||
|
mobj = re.search(r'\.(?P<abr>\d+)\.(?P<ext>[0-9a-z]{3,4})(?=[/?])', stream_url)
|
||||||
|
if mobj:
|
||||||
|
for k, v in mobj.groupdict().items():
|
||||||
|
if not f.get(k):
|
||||||
|
f[k] = v
|
||||||
|
format_id_list = []
|
||||||
|
if protocol:
|
||||||
|
format_id_list.append(protocol)
|
||||||
|
ext = f.get('ext')
|
||||||
|
if ext == 'aac':
|
||||||
|
f['abr'] = '256'
|
||||||
|
for k in ('ext', 'abr'):
|
||||||
|
v = f.get(k)
|
||||||
|
if v:
|
||||||
|
format_id_list.append(v)
|
||||||
|
preview = is_preview or re.search(r'/(?:preview|playlist)/0/30/', f['url'])
|
||||||
|
if preview:
|
||||||
|
format_id_list.append('preview')
|
||||||
|
abr = f.get('abr')
|
||||||
|
if abr:
|
||||||
|
f['abr'] = int(abr)
|
||||||
|
if protocol == 'hls':
|
||||||
|
protocol = 'm3u8' if ext == 'aac' else 'm3u8_native'
|
||||||
|
else:
|
||||||
|
protocol = 'http'
|
||||||
|
f.update({
|
||||||
|
'format_id': '_'.join(format_id_list),
|
||||||
|
'protocol': protocol,
|
||||||
|
'preference': -10 if preview else None,
|
||||||
|
})
|
||||||
|
formats.append(f)
|
||||||
|
|
||||||
|
# New API
|
||||||
|
transcodings = try_get(
|
||||||
|
info, lambda x: x['media']['transcodings'], list) or []
|
||||||
|
for t in transcodings:
|
||||||
|
if not isinstance(t, dict):
|
||||||
|
continue
|
||||||
|
format_url = url_or_none(t.get('url'))
|
||||||
|
if not format_url:
|
||||||
|
continue
|
||||||
|
stream = None if extract_flat else self._download_json(
|
||||||
|
format_url, track_id, query=query, fatal=False, headers=self._HEADERS)
|
||||||
|
if not isinstance(stream, dict):
|
||||||
|
continue
|
||||||
|
stream_url = url_or_none(stream.get('url'))
|
||||||
|
if invalid_url(stream_url):
|
||||||
|
continue
|
||||||
|
format_urls.add(stream_url)
|
||||||
|
stream_format = t.get('format') or {}
|
||||||
|
protocol = stream_format.get('protocol')
|
||||||
|
if protocol != 'hls' and '/hls' in format_url:
|
||||||
|
protocol = 'hls'
|
||||||
|
ext = None
|
||||||
|
preset = str_or_none(t.get('preset'))
|
||||||
|
if preset:
|
||||||
|
ext = preset.split('_')[0]
|
||||||
|
if ext not in KNOWN_EXTENSIONS:
|
||||||
|
ext = mimetype2ext(stream_format.get('mime_type'))
|
||||||
|
add_format({
|
||||||
|
'url': stream_url,
|
||||||
|
'ext': ext,
|
||||||
|
}, 'http' if protocol == 'progressive' else protocol,
|
||||||
|
t.get('snipped') or '/preview/' in format_url)
|
||||||
|
|
||||||
|
for f in formats:
|
||||||
|
f['vcodec'] = 'none'
|
||||||
|
|
||||||
|
if not formats and info.get('policy') == 'BLOCK':
|
||||||
|
self.raise_geo_restricted(metadata_available=True)
|
||||||
|
self._sort_formats(formats)
|
||||||
|
|
||||||
|
user = info.get('user') or {}
|
||||||
|
|
||||||
|
thumbnails = []
|
||||||
|
artwork_url = info.get('artwork_url')
|
||||||
|
thumbnail = artwork_url or user.get('avatar_url')
|
||||||
|
if isinstance(thumbnail, compat_str):
|
||||||
|
if re.search(self._IMAGE_REPL_RE, thumbnail):
|
||||||
|
for image_id, size in self._ARTWORK_MAP.items():
|
||||||
|
i = {
|
||||||
|
'id': image_id,
|
||||||
|
'url': re.sub(self._IMAGE_REPL_RE, '-%s.jpg' % image_id, thumbnail),
|
||||||
|
}
|
||||||
|
if image_id == 'tiny' and not artwork_url:
|
||||||
|
size = 18
|
||||||
|
elif image_id == 'original':
|
||||||
|
i['preference'] = 10
|
||||||
|
if size:
|
||||||
|
i.update({
|
||||||
|
'width': size,
|
||||||
|
'height': size,
|
||||||
|
})
|
||||||
|
thumbnails.append(i)
|
||||||
|
else:
|
||||||
|
thumbnails = [{'url': thumbnail}]
|
||||||
|
|
||||||
|
def extract_count(key):
|
||||||
|
return int_or_none(info.get('%s_count' % key))
|
||||||
|
|
||||||
|
return {
|
||||||
|
'id': track_id,
|
||||||
|
'uploader': user.get('username'),
|
||||||
|
'uploader_id': str_or_none(user.get('id')) or user.get('permalink'),
|
||||||
|
'uploader_url': user.get('permalink_url'),
|
||||||
|
'timestamp': unified_timestamp(info.get('created_at')),
|
||||||
|
'title': title,
|
||||||
|
'description': info.get('description'),
|
||||||
|
'thumbnails': thumbnails,
|
||||||
|
'duration': float_or_none(info.get('duration'), 1000),
|
||||||
|
'webpage_url': info.get('permalink_url'),
|
||||||
|
'license': info.get('license'),
|
||||||
|
'view_count': extract_count('playback'),
|
||||||
|
'like_count': extract_count('favoritings') or extract_count('likes'),
|
||||||
|
'comment_count': extract_count('comment'),
|
||||||
|
'repost_count': extract_count('reposts'),
|
||||||
|
'genre': info.get('genre'),
|
||||||
|
'formats': formats if not extract_flat else None
|
||||||
|
}
|
||||||
|
|
||||||
@classmethod
|
@classmethod
|
||||||
def _resolv_url(cls, url):
|
def _resolv_url(cls, url):
|
||||||
return cls._API_V2_BASE + 'resolve?url=' + url
|
return cls._API_V2_BASE + 'resolve?url=' + url
|
||||||
@ -377,173 +544,6 @@ class SoundcloudIE(SoundcloudBaseIE):
|
|||||||
},
|
},
|
||||||
]
|
]
|
||||||
|
|
||||||
_IMAGE_REPL_RE = r'-([0-9a-z]+)\.jpg'
|
|
||||||
|
|
||||||
_ARTWORK_MAP = {
|
|
||||||
'mini': 16,
|
|
||||||
'tiny': 20,
|
|
||||||
'small': 32,
|
|
||||||
'badge': 47,
|
|
||||||
't67x67': 67,
|
|
||||||
'large': 100,
|
|
||||||
't300x300': 300,
|
|
||||||
'crop': 400,
|
|
||||||
't500x500': 500,
|
|
||||||
'original': 0,
|
|
||||||
}
|
|
||||||
|
|
||||||
def _extract_info_dict(self, info, full_title=None, secret_token=None):
|
|
||||||
track_id = compat_str(info['id'])
|
|
||||||
title = info['title']
|
|
||||||
|
|
||||||
format_urls = set()
|
|
||||||
formats = []
|
|
||||||
query = {'client_id': self._CLIENT_ID}
|
|
||||||
if secret_token:
|
|
||||||
query['secret_token'] = secret_token
|
|
||||||
|
|
||||||
if info.get('downloadable') and info.get('has_downloads_left'):
|
|
||||||
download_url = update_url_query(
|
|
||||||
self._API_V2_BASE + 'tracks/' + track_id + '/download', query)
|
|
||||||
redirect_url = (self._download_json(download_url, track_id, fatal=False) or {}).get('redirectUri')
|
|
||||||
if redirect_url:
|
|
||||||
urlh = self._request_webpage(
|
|
||||||
HEADRequest(redirect_url), track_id, fatal=False)
|
|
||||||
if urlh:
|
|
||||||
format_url = urlh.geturl()
|
|
||||||
format_urls.add(format_url)
|
|
||||||
formats.append({
|
|
||||||
'format_id': 'download',
|
|
||||||
'ext': urlhandle_detect_ext(urlh) or 'mp3',
|
|
||||||
'filesize': int_or_none(urlh.headers.get('Content-Length')),
|
|
||||||
'url': format_url,
|
|
||||||
'quality': 10,
|
|
||||||
})
|
|
||||||
|
|
||||||
def invalid_url(url):
|
|
||||||
return not url or url in format_urls
|
|
||||||
|
|
||||||
def add_format(f, protocol, is_preview=False):
|
|
||||||
mobj = re.search(r'\.(?P<abr>\d+)\.(?P<ext>[0-9a-z]{3,4})(?=[/?])', stream_url)
|
|
||||||
if mobj:
|
|
||||||
for k, v in mobj.groupdict().items():
|
|
||||||
if not f.get(k):
|
|
||||||
f[k] = v
|
|
||||||
format_id_list = []
|
|
||||||
if protocol:
|
|
||||||
format_id_list.append(protocol)
|
|
||||||
ext = f.get('ext')
|
|
||||||
if ext == 'aac':
|
|
||||||
f['abr'] = '256'
|
|
||||||
for k in ('ext', 'abr'):
|
|
||||||
v = f.get(k)
|
|
||||||
if v:
|
|
||||||
format_id_list.append(v)
|
|
||||||
preview = is_preview or re.search(r'/(?:preview|playlist)/0/30/', f['url'])
|
|
||||||
if preview:
|
|
||||||
format_id_list.append('preview')
|
|
||||||
abr = f.get('abr')
|
|
||||||
if abr:
|
|
||||||
f['abr'] = int(abr)
|
|
||||||
if protocol == 'hls':
|
|
||||||
protocol = 'm3u8' if ext == 'aac' else 'm3u8_native'
|
|
||||||
else:
|
|
||||||
protocol = 'http'
|
|
||||||
f.update({
|
|
||||||
'format_id': '_'.join(format_id_list),
|
|
||||||
'protocol': protocol,
|
|
||||||
'preference': -10 if preview else None,
|
|
||||||
})
|
|
||||||
formats.append(f)
|
|
||||||
|
|
||||||
# New API
|
|
||||||
transcodings = try_get(
|
|
||||||
info, lambda x: x['media']['transcodings'], list) or []
|
|
||||||
for t in transcodings:
|
|
||||||
if not isinstance(t, dict):
|
|
||||||
continue
|
|
||||||
format_url = url_or_none(t.get('url'))
|
|
||||||
if not format_url:
|
|
||||||
continue
|
|
||||||
stream = self._download_json(
|
|
||||||
format_url, track_id, query=query, fatal=False, headers=self._HEADERS)
|
|
||||||
if not isinstance(stream, dict):
|
|
||||||
continue
|
|
||||||
stream_url = url_or_none(stream.get('url'))
|
|
||||||
if invalid_url(stream_url):
|
|
||||||
continue
|
|
||||||
format_urls.add(stream_url)
|
|
||||||
stream_format = t.get('format') or {}
|
|
||||||
protocol = stream_format.get('protocol')
|
|
||||||
if protocol != 'hls' and '/hls' in format_url:
|
|
||||||
protocol = 'hls'
|
|
||||||
ext = None
|
|
||||||
preset = str_or_none(t.get('preset'))
|
|
||||||
if preset:
|
|
||||||
ext = preset.split('_')[0]
|
|
||||||
if ext not in KNOWN_EXTENSIONS:
|
|
||||||
ext = mimetype2ext(stream_format.get('mime_type'))
|
|
||||||
add_format({
|
|
||||||
'url': stream_url,
|
|
||||||
'ext': ext,
|
|
||||||
}, 'http' if protocol == 'progressive' else protocol,
|
|
||||||
t.get('snipped') or '/preview/' in format_url)
|
|
||||||
|
|
||||||
for f in formats:
|
|
||||||
f['vcodec'] = 'none'
|
|
||||||
|
|
||||||
if not formats and info.get('policy') == 'BLOCK':
|
|
||||||
self.raise_geo_restricted(metadata_available=True)
|
|
||||||
self._sort_formats(formats)
|
|
||||||
|
|
||||||
user = info.get('user') or {}
|
|
||||||
|
|
||||||
thumbnails = []
|
|
||||||
artwork_url = info.get('artwork_url')
|
|
||||||
thumbnail = artwork_url or user.get('avatar_url')
|
|
||||||
if isinstance(thumbnail, compat_str):
|
|
||||||
if re.search(self._IMAGE_REPL_RE, thumbnail):
|
|
||||||
for image_id, size in self._ARTWORK_MAP.items():
|
|
||||||
i = {
|
|
||||||
'id': image_id,
|
|
||||||
'url': re.sub(self._IMAGE_REPL_RE, '-%s.jpg' % image_id, thumbnail),
|
|
||||||
}
|
|
||||||
if image_id == 'tiny' and not artwork_url:
|
|
||||||
size = 18
|
|
||||||
elif image_id == 'original':
|
|
||||||
i['preference'] = 10
|
|
||||||
if size:
|
|
||||||
i.update({
|
|
||||||
'width': size,
|
|
||||||
'height': size,
|
|
||||||
})
|
|
||||||
thumbnails.append(i)
|
|
||||||
else:
|
|
||||||
thumbnails = [{'url': thumbnail}]
|
|
||||||
|
|
||||||
def extract_count(key):
|
|
||||||
return int_or_none(info.get('%s_count' % key))
|
|
||||||
|
|
||||||
return {
|
|
||||||
'id': track_id,
|
|
||||||
'uploader': user.get('username'),
|
|
||||||
'uploader_id': str_or_none(user.get('id')) or user.get('permalink'),
|
|
||||||
'uploader_url': user.get('permalink_url'),
|
|
||||||
'timestamp': unified_timestamp(info.get('created_at')),
|
|
||||||
'title': title,
|
|
||||||
'description': info.get('description'),
|
|
||||||
'thumbnails': thumbnails,
|
|
||||||
'duration': float_or_none(info.get('duration'), 1000),
|
|
||||||
'webpage_url': info.get('permalink_url'),
|
|
||||||
'license': info.get('license'),
|
|
||||||
'view_count': extract_count('playback'),
|
|
||||||
'like_count': extract_count('favoritings') or extract_count('likes'),
|
|
||||||
'comment_count': extract_count('comment'),
|
|
||||||
'repost_count': extract_count('reposts'),
|
|
||||||
'genre': info.get('genre'),
|
|
||||||
'formats': formats
|
|
||||||
}
|
|
||||||
|
|
||||||
def _real_extract(self, url):
|
def _real_extract(self, url):
|
||||||
mobj = self._match_valid_url(url)
|
mobj = self._match_valid_url(url)
|
||||||
|
|
||||||
@ -891,6 +891,7 @@ class SoundcloudSearchIE(SoundcloudBaseIE, SearchInfoExtractor):
|
|||||||
_TESTS = [{
|
_TESTS = [{
|
||||||
'url': 'scsearch15:post-avant jazzcore',
|
'url': 'scsearch15:post-avant jazzcore',
|
||||||
'info_dict': {
|
'info_dict': {
|
||||||
|
'id': 'post-avant jazzcore',
|
||||||
'title': 'post-avant jazzcore',
|
'title': 'post-avant jazzcore',
|
||||||
},
|
},
|
||||||
'playlist_count': 15,
|
'playlist_count': 15,
|
||||||
@ -917,7 +918,8 @@ def _get_collection(self, endpoint, collection_id, **query):
|
|||||||
|
|
||||||
for item in response.get('collection') or []:
|
for item in response.get('collection') or []:
|
||||||
if item:
|
if item:
|
||||||
yield self.url_result(item['uri'], SoundcloudIE.ie_key())
|
yield self.url_result(
|
||||||
|
item['uri'], SoundcloudIE.ie_key(), **self._extract_info_dict(item, extract_flat=True))
|
||||||
|
|
||||||
next_url = response.get('next_href')
|
next_url = response.get('next_href')
|
||||||
if not next_url:
|
if not next_url:
|
||||||
|
|||||||
Loading…
Reference in New Issue
Block a user