updated elpais extractor

yt_dlp/extractor/elpais.py

@@ -1,5 +1,5 @@
 from .common import InfoExtractor
-from ..utils import strip_jsonp, unified_strdate
+from ..utils import traverse_obj, str_or_none, url_or_none
 
 
 class ElPaisIE(InfoExtractor):
@@ -7,34 +7,24 @@ class ElPaisIE(InfoExtractor):
     IE_DESC = 'El País'
 
     _TESTS = [{
-        'url': 'http://blogs.elpais.com/la-voz-de-inaki/2014/02/tiempo-nuevo-recetas-viejas.html',
-        'md5': '98406f301f19562170ec071b83433d55',
-        'info_dict': {
-            'id': 'tiempo-nuevo-recetas-viejas',
-            'ext': 'mp4',
-            'title': 'Tiempo nuevo, recetas viejas',
-            'description': 'De lunes a viernes, a partir de las ocho de la mañana, Iñaki Gabilondo nos cuenta su visión de la actualidad nacional e internacional.',
-            'upload_date': '20140206',
-        },
-    }, {
-        'url': 'http://elcomidista.elpais.com/elcomidista/2016/02/24/articulo/1456340311_668921.html#?id_externo_nwl=newsletter_diaria20160303t',
-        'md5': '3bd5b09509f3519d7d9e763179b013de',
-        'info_dict': {
-            'id': '1456340311_668921',
-            'ext': 'mp4',
-            'title': 'Cómo hacer el mejor café con cafetera italiana',
-            'description': 'Que sí, que las cápsulas son cómodas. Pero si le pides algo más a la vida, quizá deberías aprender a usar bien la cafetera italiana. No tienes más que ver este vídeo y seguir sus siete normas básicas.',
-            'upload_date': '20160303',
-        },
-    }, {
         'url': 'http://elpais.com/elpais/2017/01/26/ciencia/1485456786_417876.html',
-        'md5': '9c79923a118a067e1a45789e1e0b0f9c',
+        'md5': 'cd8cba33f974f69ed82df788ad43eef8',
         'info_dict': {
             'id': '1485456786_417876',
             'ext': 'mp4',
             'title': 'Hallado un barco de la antigua Roma que naufragó en Baleares hace 1.800 años',
-            'description': 'La nave portaba cientos de ánforas y se hundió cerca de la isla de Cabrera por razones desconocidas',
+            'description': 'Un submarinista contempla el pecio de Cabrera, que contiene cientos de ánforas',
-            'upload_date': '20170127',
+            'thumbnail': 'https://imagenes.elpais.com/resizer/v2/https%3A%2F%2Fep01.epimg.net%2Felpais%2Fimagenes%2F2017%2F01%2F26%2Fciencia%2F1485456786_417876_1485523827_noticia_fotograma.jpg?auth=b9ed873402809633a5ac8bc154dcd13e468547d34bbd82e0808f9e2813eb7542&width=1960&height=1103&smart=true',
+        },
+    }, {
+        'url': 'https://elpais.com/gastronomia/el-comidista/2024-07-16/la-ensalada-de-pasta-mas-verde.html',
+        'md5': '3db968bf1d29b8fa723fd8cfb30d5d28',
+        'info_dict': {
+            'id': 'la-ensalada-de-pasta-mas-verde',
+            'ext': 'mp4',
+            'title': 'La ensalada de pasta más verde | EL COMIDISTA',
+            'description': 'La ensalada de pasta más verde | EL COMIDISTA',
+            'thumbnail': 'https://imagenes.elpais.com/resizer/v2/B4O2NY6B2FCE7KWOMO2CJH7FYQ.png?auth=bea914a842eba835a6ea92169acb94b977c5fe3a4564b2b69ef27ac9e7199668&width=1960&height=1103&smart=true',
         },
     }, {
         'url': 'http://epv.elpais.com/epv/2017/02/14/programa_la_voz_de_inaki/1487062137_075943.html',
@@ -42,51 +32,22 @@ class ElPaisIE(InfoExtractor):
             'id': '1487062137_075943',
             'ext': 'mp4',
             'title': 'Disyuntivas',
-            'description': 'md5:a0fb1485c4a6a8a917e6f93878e66218',
+            'description': 'md5:0d538b71b6c2ec519fd7899811fb3f23',
-            'upload_date': '20170214',
+            'thumbnail': 'https://imagenes.elpais.com/resizer/v2/https%3A%2F%2Fep01.epimg.net%2Felpais%2Fimagenes%2F2017%2F02%2F14%2Fvideos%2F1487058850_493037_1487059369_noticia_fotograma.jpg?auth=1e1691499249851785dadbec92da3bfacdfef6cf6404845599c0c9295271d9e4&width=1960&height=1103&smart=true',
-        },
-        'params': {
-            'skip_download': True,
         },
     }]
 
     def _real_extract(self, url):
         video_id = self._match_id(url)
         webpage = self._download_webpage(url, video_id)
-
+        video_info = self._search_json_ld(webpage, video_id) 
-        prefix = self._html_search_regex(
-            r'var\s+url_cache\s*=\s*"([^"]+)";', webpage, 'URL prefix')
-        id_multimedia = self._search_regex(
-            r"id_multimedia\s*=\s*'([^']+)'", webpage, 'ID multimedia', default=None)
-        if id_multimedia:
-            url_info = self._download_json(
-                'http://elpais.com/vdpep/1/?pepid=' + id_multimedia, video_id, transform_source=strip_jsonp)
-            video_suffix = url_info['mp4']
-        else:
-            video_suffix = self._search_regex(
-                r"(?:URLMediaFile|urlVideo_\d+)\s*=\s*url_cache\s*\+\s*'([^']+)'", webpage, 'video URL')
-        video_url = prefix + video_suffix
-        thumbnail_suffix = self._search_regex(
-            r"(?:URLMediaStill|urlFotogramaFijo_\d+)\s*=\s*url_cache\s*\+\s*'([^']+)'",
-            webpage, 'thumbnail URL', default=None)
-        thumbnail = (
-            None if thumbnail_suffix is None
-            else prefix + thumbnail_suffix) or self._og_search_thumbnail(webpage)
-        title = self._html_search_regex(
-            (r"tituloVideo\s*=\s*'([^']+)'",
-             r'<h2 class="entry-header entry-title.*?>(.*?)</h2>',
-             r'<h1[^>]+class="titulo"[^>]*>([^<]+)'),
-            webpage, 'title', default=None) or self._og_search_title(webpage)
-        upload_date = unified_strdate(self._search_regex(
-            r'<p class="date-header date-int updated"\s+title="([^"]+)">',
-            webpage, 'upload date', default=None) or self._html_search_meta(
-            'datePublished', webpage, 'timestamp'))
 
         return {
             'id': video_id,
-            'url': video_url,
+            **traverse_obj(video_info, {
-            'title': title,
+                'title': ('title', {str_or_none}),
-            'description': self._og_search_description(webpage),
+                'url': ('url'),
-            'thumbnail': thumbnail,
+                'thumbnail': ('thumbnails', 0, 'url', {url_or_none}),
-            'upload_date': upload_date,
+                'description': ('description', {str_or_none}),
+            }),
         }