# coding: utf-8 from __future__ import unicode_literals import re from .common import InfoExtractor class Canal13clIE(InfoExtractor): _VALID_URL = r'^http://(?:www\.)?13\.cl/(?:[^/?#]+/)*(?P<id>[^/?#]+)' _TEST = { 'url': 'http://www.13.cl/t13/nacional/el-circulo-de-hierro-de-michelle-bachelet-en-su-regreso-a-la-moneda', 'md5': '4cb1fa38adcad8fea88487a078831755', 'info_dict': { 'id': '1403022125', 'display_id': 'el-circulo-de-hierro-de-michelle-bachelet-en-su-regreso-a-la-moneda', 'ext': 'mp4', 'title': 'El "círculo de hierro" de Michelle Bachelet en su regreso a La Moneda', 'description': '(Foto: Agencia Uno) En nueve días más, Michelle Bachelet va a asumir por segunda vez como presidenta de la República. Entre aquellos que la acompañarán hay caras que se repiten y otras que se consolidan en su entorno de colaboradores más cercanos.', } } def _real_extract(self, url): mobj = re.match(self._VALID_URL, url) display_id = mobj.group('id') webpage = self._download_webpage(url, display_id) title = self._html_search_meta( 'twitter:title', webpage, 'title', fatal=True) description = self._html_search_meta( 'twitter:description', webpage, 'description') url = self._html_search_regex( r'articuloVideo = \"(.*?)\"', webpage, 'url') real_id = self._search_regex( r'[^0-9]([0-9]{7,})[^0-9]', url, 'id', default=display_id) thumbnail = self._html_search_regex( r'articuloImagen = \"(.*?)\"', webpage, 'thumbnail') return { 'id': real_id, 'display_id': display_id, 'url': url, 'title': title, 'description': description, 'ext': 'mp4', 'thumbnail': thumbnail, }