Stahujeme z mujrozhlas.cz

20.5.2021 17:47 | Přečteno: 3376× | poslední úprava: 20.5.2021 17:47

Nedávno se tu objevil dotaz na hromadné stahování audia z webu mujrozhlas.cz. Já také občas poslouchám jejich pořady a měl jsem v plánu si takový skript někdy napsat. Níže je skript, který jsem vytvořil. Pod ním najdete více okomentovaný kód, s komentáři česky – ne každý umí Perl.

#! /usr/bin/env perl

# mujrozhlas.pl – stahuje pořady z webu mujrozhlas.cz
# Copyright (C) 2021  jiwopene (https://www.abclinuxu.cz/lide/jiwopene)
# 
# This program is free software: you can redistribute it and/or modify
# it under the terms of the GNU General Public License as published by
# the Free Software Foundation, either version 3 of the License, or
# (at your option) any later version.
# 
# This program is distributed in the hope that it will be useful,
# but WITHOUT ANY WARRANTY; without even the implied warranty of
# MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
# GNU General Public License for more details.
# 
# You should have received a copy of the GNU General Public License
# along with this program.  If not, see <https://www.gnu.org/licenses/>.

use strict;
use v5.13;
use utf8;

use Cwd;
use File::Copy qw(move);
use File::Fetch;
use Getopt::Long;
use HTML::TagParser;
use HTTP::Tiny;
use JSON::PP;

my $download_unknown_urls = 0;
my $overwrite_files = 0;
my $skip_audio_download = 0;
my $write_yaml = 0;
my $make_subdirs = 0;

my $output_root_dir = getcwd;

# Děkuji za připomenutí tohoto řádku:
#  see https://www.abclinuxu.cz/poradna/linux/show/468500#26
binmode STDOUT, ':utf8';
binmode STDERR, ':utf8';

# Download something using HTTP(S) and return its response text.
#
# my $response_text = download($url);
sub download {
	my ($url) = @_;

	my $resp = HTTP::Tiny->new->get($url);
	die "Nemůžu stáhnout $url: $resp->{status} $resp->{reason}\n"
		unless $resp->{success};

	return $resp->{content};
}

# Get episode metadata as hashmap.
#
# my %meta = get_episode_meta($episode_uuid);
sub get_episode_meta {
	my ($episode_uuid) = @_;
	return decode_json download "https://api.mujrozhlas.cz/episodes/$episode_uuid";
}

# Download episode to file with given name base.
#
# download_episode $name_base, $episode_meta;
sub download_episode {
	my ($name_base, $episode_meta) = @_;

	my $audio_links = $episode_meta->{data}->{attributes}->{audioLinks};
	for my $audio_link ( @$audio_links ) {
		my $audio_file_name = "$name_base.$audio_link->{bitrate}.$audio_link->{variant}";
		$audio_file_name =~ tr@/@-@;

		unless ($skip_audio_download) {
			if (-e $audio_file_name) {
				if ($overwrite_files) {
					unlink $audio_file_name;
				} else {
					say "$audio_file_name již existuje, přeskakuji.";
					next;
				}
			}

			say "Stahuji $audio_file_name";
			my $fetch = File::Fetch->new(
				uri => $audio_link->{url}
			);
			unless ($fetch) {
				say "Přeskakuji $audio_link->{url}";
				next;
			}

			my $where = $fetch->fetch(to => '/tmp');
			unless ($where) {
				say "Nemůžu stáhnout $fetch->uri";
				next;
			}
			move $where, "./$audio_file_name";
		} else {
			say 'Stahování audia vypnuto, přeskakuji.';
		}
	}
}

sub episode_info_from_elem {
	my ($episode_elem) = @_;

	my $episode_info_json = $episode_elem->getAttribute('data-entry');
	my $episode_info = decode_json $episode_info_json;
}

# Download series with some url.
#
# URL example:
#     https://www.mujrozhlas.cz/stripky-z-archivu/stare-povesti-ceske
#
# download_series_by_url $page_url;
sub download_series_by_url {
	my ($page_url) = @_;

	if (not $download_unknown_urls and $page_url !~ m@^https?://(www.)?mujrozhlas.cz/@) {
		say "URL stránky $page_url nevypadá platně, přeskakuji.";
		return 0;
	}

	my $page_html = download $page_url;
	my $page = HTML::TagParser->new($page_html);

	my @episode_elems;

	# Create and go into subdir if asked to do so.
	if ($make_subdirs) {
		my $detail_title_elem = $page->getElementById('detail-title');

		my $episode_dir = $detail_title_elem->innerText;
		$episode_dir =~ tr@/@-@;

		mkdir $episode_dir unless -e $episode_dir;
		chdir $episode_dir;
	}

	# Get series ID.
	my $more_link_elem = $page->getElementsByClassName('more-link__link ajax');
	if ($more_link_elem) {
		my $more_episodes_url = $more_link_elem->getAttribute('href');
		# in format /ajax/ajax_list/FOO?page=1&size=9&id=FOO-1234&rid=1234
		$more_episodes_url =~ m@ajax_list/(\w+)@;
		my $show_class = $1;
		$more_episodes_url =~ /[&?]id=(.*?)([&?]|$)/;
		my $show_id = $1;
		$more_episodes_url =~ /[&?]rid=(.*?)([&?]|$)/;
		my $show_rid = $1;

		my $episode_links_response = decode_json download "https://www.mujrozhlas.cz/ajax/ajax_list/$show_class?id=$show_id&rid=$show_rid&size=1000000";
		# unset size= gives 20 entries
		my $episode_links_html = $episode_links_response->{snippets}->{$show_id}->{content};
		my $episodes_page = HTML::TagParser->new($episode_links_html);
		@episode_elems = $episodes_page->getElementsByClassName("b-episode");
	} else {
		# More link not available, fallback to direct HTML analysis.
		
		say 'Nemohu najít odkaz na více episod. Stahuji to co mám.';
		@episode_elems = $page->getElementsByClassName("b-episode");
	}

	for my $episode_elem ( @episode_elems ) {
		my $episode_info = episode_info_from_elem $episode_elem;

		say '';
		say "#$episode_info->{id}: $episode_info->{title}";

		my $episode_meta = get_episode_meta $episode_info->{uuid};

		my $name_base = "$episode_info->{id}_$episode_info->{title}";
		$name_base =~ tr@/@-@;

		if ($write_yaml) {
			YAML::PP->new->dump_file("$name_base.yaml", $episode_meta);
		} else {
			open my $meta_file, ">", "$name_base.json";
			print $meta_file encode_json $episode_meta;
			close $meta_file;
		}

		download_episode $name_base, $episode_meta;
	}

	# Go back.
	chdir $output_root_dir;

	return 1;
}

sub print_help {
	$_ = "$0 -- strahování pořadů z mujrozhlas.cz

Použití:
	perl $0 https://mujrozhlas.cz/lorem/ipsum

Volby:
	--help
		Zobrazí tuto nápovědu.

	--unknown-urls
		Pokusí se stáhovat i z adres, které nevypadají platně.

	--overwrite
		Přepisuje soubory místo přeskočení existujících.

	--no-audio
		Bude stahovat jen metadata.

	--write-yaml
		Ukládá metadata jako YAML, ne JSON.

	--subdirs
		Vytvoří podadresář pro každý pořad.
";
	chomp;
	say;
}

my $show_help = 0;
GetOptions(
	'help' => \$show_help,
	'unknown-urls' => \$download_unknown_urls,
	'overwrite' => \$overwrite_files,
	'no-audio' => \$skip_audio_download,
	'write-yaml' => \$write_yaml,
	'subdirs' => \$make_subdirs,
) or die 'Neplatné volby. Viz $0 --help.';

require YAML::PP if $write_yaml;

if ($show_help) {
	print_help;
	exit;
}

say "mujrozhlas.pl, verze 1.1";

for my $url (@ARGV) {
	download_series_by_url $url;
}

Použití

Použití je jednoduché: skriptu předáme jako argumenty jednu nebo více URL pořadů na webu https://www.mujrozhlas.cz/. Například takto:

perl mujrozhlas.pl https://www.mujrozhlas.cz/stripky-z-archivu/stare-povesti-ceske https://www.mujrozhlas.cz/bijacek

Skript používá také několik dlouhých voleb. --help zobrazí nápovědu (vizte konec kódu, nechcete-li ho spouštět). Ve výchozím nastavení ukládá metadata (JSON, případně YAML) do souboru s názvem ve tvaru 1234_Název episody.json (resp. 1234_Název episody.yaml) a zvuk do souboru s názvem ve tvaru 1234_Název episody.bitrate.typ, kde 1234 je číselný identifikátor episody. Stahování audia vypneme volbou --no-audio. Volba --subdirs vytváří pro pořady podadresáře.

Audio je stahované do dočasných souborů a poté překopírované do cílového adresáře. Pokud již soubor s audiem existuje, přeskakuje se, ale soubor s metadaty se přepíše. Volba --overwrite smaže případný soubor s audiem před stažením.

Skript provádí základní ověření tvaru URL. Pokdu ho chcete obejít, zapněte --unknown-urls, což toto ověření vypne. To můžete použít například při stahování audia, ke kterému máte soubor HTML na nějakém zrcadle a nemáte původní URL.

Stručný úvod do Perlu

Skript je psaný v jazyce Perl. Ten je obzvlášť vhodný pro zpracovávání textů.¹ Obsahuje například podporu pro regulární výrazy včetně operátorů pro práci s nimi, atd. Vzhledem k tomu, že tazatel v diskusi napsal, že Perlu moc nerozumí, tak základy vysvětlím. Předpokládám alespoň základní znalosti programování.

Komentáře jsou od # po konec řádku. Stringy píšeme do uvozovek (s expanzí proměnných), mezi apostrofy (bez ní) nebo jiným způsobem (viz níže). Je dynamicky typovaný. Boolean neexistuje – prázdný string nebo 0 je false, jiné hodnoty (s pár vyjímkami) jsou true.

Podmínky píšeme do if (podmínka) { tělo; } (jako v C). Když napíšeme místo if unless, vyhodnocujue se negace podmínky (prohodí se větve if a else). Podmínku můžeme psát i za statement, a to takto: télo if podmínka; (případně s unless). Cyklus for-each se zapisuje takto: for proměnná (pole) { tělo; }.

Řádky s use načítají balíčky (knihovny), případně určují verzi interpretru nebo jiná nastavení.

Názvy proměnných začínají sigilem: $ pro skaláry, @ pro pole a % pro hashmapy. Pokud čteme skalární prvek pole/hashmapy, píšeme $. K metodám přistupujeme přes ->, k hodnotě z hashmapy pomocí ->{klíč} (klíč je buď napsaný přímo, nebo jako string). K věcem v balíčku se přistupuje pomocí ::.

Lokální proměnné deklarujeme pomocí klíčového slova my

Subrutiny (funkce) vytváříme pomocí sub název { tělo }. Argumenty dostane předané v poli @_.

Regulární výrazy píšeme do /lomítek/, nahrazení s prefixem s: s/co/čím/volby. Jakmile píšeme regulárný výrazy nebo stringy s tím prefixem (s, m, q, qw, qq, tr, …), můžeme zvolit i jiný znak než lomítka (závorky, zavináče, …), takže nemusíme escapovat lomítka. Prefix s uvozuje nahrazení, q a qq string (jako by byl s jednoduchými nebo dvojitými uvozovkami – dle počtu Qček), tr nahrazení znaků (jako shellový příkaz tr(1)), qw pole stringů (slov), m regulární výraz.

Komentovaný kód

Komentáře přidané do předchozího kódu jsou značené #-.

#! /usr/bin/env perl

# mujrozhlas.pl – stahuje pořady z webu mujrozhlas.cz
# Copyright (C) 2021  jiwopene (https://www.abclinuxu.cz/lide/jiwopene)
# 
# This program is free software: you can redistribute it and/or modify
# it under the terms of the GNU General Public License as published by
# the Free Software Foundation, either version 3 of the License, or
# (at your option) any later version.
# 
# This program is distributed in the hope that it will be useful,
# but WITHOUT ANY WARRANTY; without even the implied warranty of
# MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
# GNU General Public License for more details.
# 
# You should have received a copy of the GNU General Public License
# along with this program.  If not, see <https://www.gnu.org/licenses/>.

use strict; #- Více chyb.
use v5.13; #- Verze Perlu.
use utf8; #- Kód obsahue UTF-8.

#- Knihovny.
use Cwd;
use File::Copy qw(move);
use File::Fetch;
use Getopt::Long;
use HTML::TagParser;
use HTTP::Tiny;
use JSON::PP;

#- Sem ukládáme volby z příkazové řádky.
my $download_unknown_urls = 0;
my $overwrite_files = 0;
my $skip_audio_download = 0;
my $write_yaml = 0;
my $make_subdirs = 0;

#- Uložíme si adresář při spuštění, abychom se sem mohli vrátit při stahování do podadresáře.
my $output_root_dir = getcwd;

#- stdout a stderr jsou v UTF-8.
# Děkuji za připomenutí tohoto řádku:
#  see https://www.abclinuxu.cz/poradna/linux/show/468500#26
binmode STDOUT, ':utf8';
binmode STDERR, ':utf8';

# Download something using HTTP(S) and return its response text.
#
# my $response_text = download($url);
sub download {
	#- Rozbijeme argumenty do proměnných.
	my ($url) = @_;

	my $resp = HTTP::Tiny->new->get($url);
	die "Nemůžu stáhnout $url: $resp->{status} $resp->{reason}\n"
		unless $resp->{success};

	return $resp->{content};
}

# Get episode metadata as hashmap.
#
# my %meta = get_episode_meta($episode_uuid);
sub get_episode_meta {
	#- Rozbijeme argumenty do proměnných.
	my ($episode_uuid) = @_;
	return decode_json download "https://api.mujrozhlas.cz/episodes/$episode_uuid";
}

# Download episode to file with given name base.
#
# download_episode $name_base, $episode_meta;
sub download_episode {
	#- Rozbijeme argumenty do proměnných.
	my ($name_base, $episode_meta) = @_;

	my $audio_links = $episode_meta->{data}->{attributes}->{audioLinks};
	for my $audio_link ( @$audio_links ) { #- Pro každou položku audioLink z metadat,
		#- Vygeneruj název souboru.
		my $audio_file_name = "$name_base.$audio_link->{bitrate}.$audio_link->{variant}";

		#- Nahraď lomítka ASCII mínusy.
		$audio_file_name =~ tr@/@-@;

		#- Pokud nepřeskakujeme stahování audia,
		unless ($skip_audio_download) {
			# tak, pokud exisuje soubor s audieam
			if (-e $audio_file_name) {
				if ($overwrite_files) { #- a přepisujeme soubory
					unlink $audio_file_name; #- ho smažeme.
				} else {
					#- Jinak si postěžujeme a ...
					say "$audio_file_name již existuje, přeskakuji.";

					#- jdeme na další audioLink.
					next;
				}
			}

			say "Stahuji $audio_file_name";

			#- Stáhneme URL do dočasného souboru $where (viz níže).
			my $fetch = File::Fetch->new(
				uri => $audio_link->{url}
			);
			unless ($fetch) { #- Při chybě.
				say "Přeskakuji $audio_link->{url}";
				next;
			}

			my $where = $fetch->fetch(to => '/tmp');
			unless ($where) { #- Při chybě.
				say "Nemůžu stáhnout $fetch->uri";
				next;
			}

			#- Přesuneme soubot na příslušné místo v pracovním adresáři.
			move $where, "./$audio_file_name";
		} else {
			say 'Stahování audia vypnuto, přeskakuji.';
		}
	}
}

sub episode_info_from_elem {
	my ($episode_elem) = @_;

	#- Vyčteme JSON se základními metadaty z HTML elementu.

	my $episode_info_json = $episode_elem->getAttribute('data-entry');
	my $episode_info = decode_json $episode_info_json;
}

# Download series with some url.
#
# URL example:
#     https://www.mujrozhlas.cz/stripky-z-archivu/stare-povesti-ceske
#
# download_series_by_url $page_url;
sub download_series_by_url {
	#- Rozbijeme argumenty do proměnných.
	my ($page_url) = @_;

	#- Ověření platnosti URL.
	if (not $download_unknown_urls and $page_url !~ m@^https?://(www.)?mujrozhlas.cz/@) {
		say "URL stránky $page_url nevypadá platně, přeskakuji.";
		return 0;
	}

	#- Stáhnu a naparsuji HTML stránky.
	my $page_html = download $page_url;
	my $page = HTML::TagParser->new($page_html);

	my @episode_elems; #- Sem přijdou elementy s metadaty.

	# Create and go into subdir if asked to do so.
	if ($make_subdirs) {
		#- Vyčteme titulek a nahradíme lomítka ASCII mínusy.
		my $detail_title_elem = $page->getElementById('detail-title');

		my $episode_dir = $detail_title_elem->innerText;
		$episode_dir =~ tr@/@-@;

		#- Vytvoříme adresář pokud neexistuje (not -e).
		mkdir $episode_dir unless -e $episode_dir;

		#- Vstoupíme do něj.
		chdir $episode_dir;
	}

	# Get series ID.
	my $more_link_elem = $page->getElementsByClassName('more-link__link ajax');
	if ($more_link_elem) { #- Pokud je na stránce odkaz na více episod, vezmeme jeho adresu, upravíme ji pro získání
	                       #- max. 1000000 záznamů a stáhneme HTML z ní (to je zabalené v JSONu), jinak ho bereme přímo
						   #- ze stažené stránky.
		my $more_episodes_url = $more_link_elem->getAttribute('href');
		# in format /ajax/ajax_list/FOO?page=1&size=9&id=FOO-1234&rid=1234
		$more_episodes_url =~ m@ajax_list/(\w+)@;
		my $show_class = $1; #- $1 je první skupina z regexu.
		$more_episodes_url =~ /[&amp;?]id=(.*?)([&?]|$)/;
		my $show_id = $1; #- $1 je první skupina z regexu.
		$more_episodes_url =~ /[&?]rid=(.*?)([&?]|$)/;
		my $show_rid = $1; #- $1 je první skupina z regexu.

		#- Vytvoříme si nové URL a stáhneme ho.
		my $episode_links_response = decode_json download "https://www.mujrozhlas.cz/ajax/ajax_list/$show_class?id=$show_id&rid=$show_rid&size=1000000";
		# unset size= gives 20 entries
		#- Vyndáme z JSONu HTML,
		my $episode_links_html = $episode_links_response->{snippets}->{$show_id}->{content};
		#- naparsujeme ho a ...
		my $episodes_page = HTML::TagParser->new($episode_links_html);
		#- vezmeme si z něj elementy se třídou b-episode.
		@episode_elems = $episodes_page->getElementsByClassName("b-episode");
	} else {
		# More link not available, fallback to direct HTML analysis.
		
		say 'Nemohu najít odkaz na více episod. Stahuji to co mám.';
		@episode_elems = $page->getElementsByClassName("b-episode");
	}

	#- Pro každý element s odkazem an episodu,
	for my $episode_elem ( @episode_elems ) {
		my $episode_info = episode_info_from_elem $episode_elem;

		say ''; #- Odřádkuji.
		say "#$episode_info->{id}: $episode_info->{title}"; #- Napíšu ID a název episody.

		my $episode_meta = get_episode_meta $episode_info->{uuid}; #- Získám metadata episody.

		#- Vydělám si název souboru a ...
		my $name_base = "$episode_info->{id}_$episode_info->{title}";
		#- nahradím lomítka ASCII mínusy.
		$name_base =~ tr@/@-@;

		#- Uložím metadata.
		if ($write_yaml) {
			YAML::PP->new->dump_file("$name_base.yaml", $episode_meta);
		} else {
			open my $meta_file, ">", "$name_base.json";
			print $meta_file encode_json $episode_meta;
			close $meta_file;
		}

		#- Stáhnu episodu.
		download_episode $name_base, $episode_meta;
	}

	# Go back.
	chdir $output_root_dir;

	return 1; #- 1 je úspěch.
}

sub print_help {
	$_ = "$0 -- strahování pořadů z mujrozhlas.cz

Použití:
	perl $0 https://mujrozhlas.cz/lorem/ipsum

Volby:
	--help
		Zobrazí tuto nápovědu.

	--unknown-urls
		Pokusí se stáhovat i z adres, které nevypadají platně.

	--overwrite
		Přepisuje soubory místo přeskočení existujících.

	--no-audio
		Bude stahovat jen metadata.

	--write-yaml
		Ukládá metadata jako YAML, ne JSON.

	--subdirs
		Vytvoří podadresář pro každý pořad.
";
	chomp; #- Odstaním newline z konce.
	say; #- Vypíšu.
}

my $show_help = 0;
GetOptions(
	'help' => \$show_help,
	'unknown-urls' => \$download_unknown_urls,
	'overwrite' => \$overwrite_files,
	'no-audio' => \$skip_audio_download,
	'write-yaml' => \$write_yaml,
	'subdirs' => \$make_subdirs,
) or die 'Neplatné volby. Viz $0 --help.';

require YAML::PP if $write_yaml; #- require jde dát do podmínky, use ne.

if ($show_help) {
	print_help;
	exit;
}

say "mujrozhlas.pl, verze 1.1";

for my $url (@ARGV) {
	download_series_by_url $url;
}

---

¹ To je můj názor. Zcela jistě si někteří myslí něco jiného.

       

Komentáře

[Gréta]

supr skriptík užitečnej dík :D ;D

Ten je obzvlášť vhodný pro zpracovávání textů

na dělání regexpů je prej vo moc víc rychlejší než python třeba :O :O maďarskej krejčí to jakoby měřil hele :O ;D

[_]

Jo u takovýhohle skriptu je rychlost strášně důležitá :)

V pythonu by to mělo 1/4 řádků a bylo by to čitelnější.

[Bedňa]

To určite, ale zas Perl mám rád so spomienok keď som vňom písal kód. Pred cca dvoma rokmi som sa predsa rozhodol ísť naplno do Python enviroment a príde mi to fakt super, či komunita a všetko okolo, ale na Perl určite nadávať nebudem.

[Petr Tomášek]

Pyčon? To je ta sračka, kde různé typy mezer mají různý význam? To fuckt raději Perl...

[...]

ano pro zastydle pubose bude lepsi perl nebo jiny masturbator

[keke]

Sel by dat skriptik na github? A slo by nejak nakonfigurovat pojmenovavani souboru? Stahl jsem Osudy vojaka Svejka a je to pojmenovano docela nestastne:

810705_Osudy dobrého vojáka Švejka (11-13).128.mp3
810708_Osudy dobrého vojáka Švejka (4-13).256.mp3
810714_Osudy dobrého vojáka Švejka (3-13).256.mp3
810717_Osudy dobrého vojáka Švejka (1-13).128.mp3
810720_Osudy dobrého vojáka Švejka (10-13).128.mp3
810723_Osudy dobrého vojáka Švejka (6-13).128.mp3
810729_Osudy dobrého vojáka Švejka (5-13).256.mp3
810732_Osudy dobrého vojáka Švejka (9-13).128.mp3
810735_Osudy dobrého vojáka Švejka (8-13).128.mp3
810738_Osudy dobrého vojáka Švejka (2-13).128.mp3
810741_Osudy dobrého vojáka Švejka (13-13).128.mp3
810744_Osudy dobrého vojáka Švejka (7-13).128.mp3
810747_Osudy dobrého vojáka Švejka (12-13).128.mp3

Logictejsi by bylo neco jako:

Osudy dobrého vojáka Švejka (01/13)[810717].mp3
Osudy dobrého vojáka Švejka (02/13)[810738].mp3

Ale jinak diky moc za skriptik!

[Tomáš]

Dobrá práce.

Občas jsem něco stahoval ručně, je to piplačka.

[Vlado99]

Chválim pekný coding-style , Perl totiž vie byť "write-only" language, keď sa autor nechá uniesť.

@Gréta:

Perl RE ďaleko presahujú definíciu Extended regular expressions [1] a vďaka tomu, ako sú integrované do jazyka (dalo by sa povedať, že celý jazyk je postavený okolo RE), sa s nimi programátorovi robí nesmierne príjemne. A že je to rýchle? Je to predsa Perl!

Myslím, že Perl tie RE, alebo časti RE, ktoré môže, kompiluje [2] spolu so zvyškom skriptu, RE transformuje na konečné automaty, ktoré potom nakŕmi dátami. Ale to je len odhad, nemám detailné znalosti z vnútra Perl-u.

[1] https://pubs.opengroup.org/onlinepubs/9699919799/basedefs/V1_chap09.html#tag_09_04

[2] https://stackoverflow.com/questions/5376559/is-perl-a-compiled-or-an-interpreted-programming-language

[OldFrog {Ondra Nemecek}]

Regexpy snad umožňují kompilovat všechny rozumné knihovny. Jinak si to každý může přepsat do svého oblíbeného jazyka a pam můžeme dát soutěž o nejhezčí kód :)

[Gréta]

když sem to jako maďaroj dycky nazačátku zkompilovala hele vtom pythonu skriptík už nebyl pomalej 20x ale asi jakoby jenom 4-5x takže ztoho ten perl asi furt de jako víc lepšejší děladlo s textama :D ;D

[...]

v tom pythonu se zase 10x rychleji pise, takze perl se hodi, pokud mas stado IT otroku a extremni mnozstvi textu na zpracovani

pro ostatni pripady je python

[jiwopene]

V Perlu jsem to psal především z toho důvodu, že jsem nevěděl co mě čeká – nakonec jsem sáhnul po knihovně na parsování HTML, ale jinak jsem čekal velké množství regulárních výrazů.

[retroslava]

Ono stačí zjistit ID toho seriálu a pak se to dá stáhnout bez problémů.

Například v Ruby.

Jinak to API má i dokumentaci.

[OldFrog {Ondra Nemecek}]

Tak to je hodně dobrý.

[Gréta]

supr ;D

[jiwopene]

Děkuji za odkaz – o API jsem nevěděl. Jenom mi je trochu záhadou proč z té dokumentace odkazují na e-shop s vinylovými fotopozadími a podlahami.

[Olaf]

Jo, stejně tak je tam de facto placeholder-emailová adresa. A pro aplikace by se měla používat asi verze API na https://api.mujrozhlas.cz/{endpoint}. To jejich vývojové API totiž někdy nevrací správné výsledky.

[vencour]

Funguje, díky.

[Mayhem]

Skriptik pekny, ale dluzno dodat, ze slusny clovek zadnym zpusobem nekonzumuje obsah statnich (ci chceteli verejnopravnich) medii.

[OldFrog {Ondra Nemecek}]

Proč?

[nekromant]

Pozor, někdo to vrací m4a stream. V takovém případě zase ve vývojářských nástrojích vytáhnu manifest.mpd, ale předám ho ffmpeg:

ffmpeg -i "https://croaod.cz/stream/sem-dej-uuid.m4a/manifest.mpd" -map 0:0 -codec copy jmeno-souboru.m4a

[OldFrog {Ondra Nemecek}]

Nebo to .mpd url předám youtube-dl a ten to taky zvládne :)

[Vtipnéř]

Omlouvám se, že se vracím ke starému příspěvku. Zkusil jsem uvedený skript na https://www.mujrozhlas.cz/radiokniha/marketa-hejkalova-dum-pod-namestim-vypraveni-jednoho-domu, ale hlásí

Nemůžu stáhnout https://www.mujrozhlas.cz/radiokniha/marketa-hejkalova-dum-pod-namestim-vypraveni-jednoho-domu: 599 Internal Exception

Trochu jsem googlil, našel jsem něco o firewallu na druhé straně. Kdyby někdo věděl, co s tím, budu rád.

Jirka

[palardd]

Ahoj

se skriptem mám potíž. Na URL https://www.mujrozhlas.cz/cetba-na-pokracovani/joseph-heller-hlava-xxii-vyznamny-roman-kritizujici-nesmyslnost-valky-cernym

chyba mujrozhlas.pl, verze 1.1 URL stránky https://vltava.rozhlas.cz/joseph-heller-hlava-xxii-vyznamny-roman-kritizujici-nesmyslnost-valky-cernym-8976495 nevypadá platně, přeskakuji.

Poradíte? TP

[Vtipnéř]

Přeji hezký večer.

Myslím, že Český rozhlas změnil obsahově webové stránky na audioarchivu, dřív bylo možné ve zdrojácích najít přímo adresy mp3 souborů, teď už to nejde. Ale našel jsem cestu, jak i tak stahovat.

Je potřeba otevřít stránky pořadu na 'rozhlas.cz', nikoliv 'mujrozhlas.cz', ve zdrojáku pak najít adresy souborů manifest.mpd a na ně pak postupně pustit youtube-dl. Asi by se dal napsat skript, který ty adresy najde a soubory uloží. ale moc se mi do toho nechce.

Zdraví Jirka

[palardd]

SUPER You are my hero!
Akorát potřebuji pomoci v shellu vyparsovat
https:\/\/croaod.cz\/stream\/e619958d-d4db-4327-8b44-0ccf89cd762c.m4a\/manifest.mpd
Děkuji moc za nápovědu, nejde mi to.
TP

[palardd]

Parsing jsem z URL zvládnul. wget -O - $URL | grep -o 'https:\\/\\/croaod.cz\\/stream\\/[^"]*\.mpd' rozhlas.html | sed 's/\\/\//g'| sed 's/\/\//\//g'
Z HTML stránky
https://vltava.rozhlas.cz/joseph-heller-hlava-xxii-vyznamny-roman-kritizujici-nesmyslnost-valky-cernym-8976495
vytáhne pouze mpd URL
https://croaod.cz/stream/f35b9e13-faf6-46f4-8863-ac8a9ac09c3e.m4a/manifest.mpd
https://croaod.cz/stream/e619958d-d4db-4327-8b44-0ccf89cd762c.m4a/manifest.mpd
https://croaod.cz/stream/dab2edf1-d6f5-498e-9629-1cdeebe45144.m4a/manifest.mpd
https://croaod.cz/stream/045d955e-02be-4ab8-99ce-924b80801294.m4a/manifest.mpd
https://croaod.cz/stream/24b3866a-11f3-4d5c-b052-480c7ac04ded.m4a/manifest.mpd
https://croaod.cz/stream/2c2e40c7-89d4-4cc7-9d4b-c3929be8f7ea.m4a/manifest.mpd
https://croaod.cz/stream/94275875-6739-41eb-97d3-fcc3f231e349.m4a/manifest.mpd
https://croaod.cz/stream/b57ee671-42d8-4aa6-b6bb-3058f493a022.m4a/manifest.mpd
https://croaod.cz/stream/adec9233-4d4e-4a37-bce5-fb83b9309edc.m4a/manifest.mpd
https://croaod.cz/stream/61d9f93e-4b09-4537-91e1-c55c4c898c60.m4a/manifest.mpd
https://croaod.cz/stream/88b32d69-b480-46cc-888d-b918fe5455fe.m4a/manifest.mpd
https://croaod.cz/stream/0a3fb2cf-7316-4f7d-99ee-deccaa606d94.m4a/manifest.mpd
https://croaod.cz/stream/af73186e-a29c-4d23-a230-a291214f1230.m4a/manifest.mpd
https://croaod.cz/stream/ba975d10-6675-47ea-a8db-709bcd1ae5ce.m4a/manifest.mpd
https://croaod.cz/stream/ae8e728d-9b64-4282-9876-a69eb696149c.m4a/manifest.mpd
https://croaod.cz/stream/4ca55324-a703-42a1-bbcf-7d6882266c5e.m4a/manifest.mpd
https://croaod.cz/stream/ea756c97-d2c0-46c3-9e06-2e09607eca18.m4a/manifest.mpd
https://croaod.cz/stream/b80dc85e-02f9-4610-bf3e-107d6b1ea433.m4a/manifest.mpd
https://croaod.cz/stream/00bdcd56-7060-48f2-a908-8d882d758f67.m4a/manifest.mpd
https://croaod.cz/stream/3cf01aa1-9bc0-4522-a88b-7f9d9255c45f.m4a/manifest.mpd
https://croaod.cz/stream/21c7642d-a8fc-4741-9b84-bac4969fda05.m4a/manifest.mpd

a pak podhodím ve smyččce youtube-dl

END

[Vtipnéř]

Super, akorát je tam asi navíc jméno souboru (rozhlas.html).

Jirka

[palardd]

Jasnaě, pravda, to je jen jako návod, měl jsem ten rozhlas.html uložený lokálně