Volver arriba
2010-02-20
Actualización:
El sistema de distribución de vídeo de la página de RTVE
ha cambiado varias veces desde la escritura de este artículo y
el método aquí descrito está obsoleto. El método que funciona
en el momento de escribir esta actualización (septiembre de 2012) está
en un artículo más reciente. También hay una versión
al día del programita rtve-mediateca-dl que
implementa esté método.
Llega otra entrega de *nix en casos prácticos. Hoy veremos
un modo conveniente de automatizar la descarga de vídeos de la
Mediateca de Radio Televisión Española. Así podremos reunir
cómodamente nuestros vídeos favoritos en nuestro propio espacio de
almacenamiento para verlos una vez tras otra y conservarlos durante
mucho tiempo sin tener que acceder una vez tras otra a los servidores
de RTVE, de modo que incluso reduciremos los gastos de la corporación
pública… ¡gracias a nuestro ingenio y nuestra destreza en el
uso de nuestra poderosa estación de trabajo!
*nix en casos prácticos no es un curso para absolutos
principiantes, sino que está pensado para estimular la curiosidad de
quien ya tiene una mínima capacidad de autodefensa en la línea de
órdenes y tiene la capacidad de comprender los ejemplos (¡aunque sea
consultando un manual!) y, con un poquito de suerte, crear sus propias
soluciones a problemas semejantes a los presentados.
La solución de este ejercicio está recogida en un pequeño
script: rtve-mediateca-dl
(versión 1.0). Sus únicas dependencias: un entorno POSIX y
GNU Wget.
También hay un tarball
con un instalador y documentación (por el momento en inglés).
Cómo se originó la idea
Ante todo, debo darle las gracias al autor de
Pisando
charcos, Carlos Jaime Puente Sánchez, quien publicó una
solución a un problema muy similar al aquí resuelto y, al ver mi
interés, me planteó éste.
Radio Televisión Española tiene
en su página web un servicio de visionado de su programación mediante
streaming.
Corría el mes de diciembre cuando encontré este curioso artículo
en Pisando charcos: Descargar
vídeos de TVE (GNU/Linux). El autor de la bitácora publicó
un sencillo y eficaz programa informático para descargar los vídeos de
la sección con la programación reciente de TVE de la página de RTVE,
TVE a la Carta. El
programa (que es software libre) aparece descrito con sus instrucciones
de uso en el artículo. Al mirar en sus tripas (¡maravillas del
software libre!) encontramos que hace los siguientes pasos:
- Coge la dirección de una página con vídeo incrustado (por ejemplo,
http://www.rtve.es/alacarta/player/[XXXXXX].html,
donde [XXXXXX] es un número decimal de 6 cifras).
- A partir de esa dirección genera otra que es el resultado de
sustituir la secuencia final
html por xml:
http://www.rtve.es/alacarta/player/[XXXXXX].xml.
- Descarga este fichero que guarda en su interior la dirección en la
que se aloja el vídeo, algo así como
rtmp://stream.rtve.es/stream/resources/alacarta/flv/…
(los puntos suspensivos omiten el final de la dirección). Esta
dirección figura entre las secuencias <location>
y </location>.
- Sustituye la primera parte de esta dirección por
http://www.rtve.es/, de modo que queda así:
http://www.rtve.es/stream/resources/alacarta/flv/….
- Descarga este último recurso, que resulta ser el vídeo buscado.
Vemos, pues, que los vídeos están referenciados en unos
ficheros XML. Cada uno de estos ficheros XML contiene la dirección
del vídeo, pero el esquema es RTMP, un protocolo propietario que no
nos interesa. Afortunadamente, también podemos acceder al vídeo
por HTTP, así que basta con hacer unas pequeñas sustituciones.
Podemos construir una solución rápida con una tubería de la línea
de órdenes (mucho más espartana que la del artículo original) usa
las herramientas estándar de *nix y un programa de descargas (por
ejemplo, GNU Wget:
echo "$DIRECCION" | sed 's/html$/xml/' | wget -i - -O - \
| sed 's_^.*<location>__;s_</location>.*$__' \
| sed 's_rtmp://stream_http://www_' \
| wget -i -
Hemos supuesto que la dirección de la página con el vídeo incrustado
está en la variable DIRECCION. Vemos que los pasos son:
- Sustituir con sed la secuencia final
html por
xml en la dirección de la página que tiene el reproductor de
vídeo incrustado.
- Descargar con wget el recurso XML con esta nueva
dirección.
- Transformar con sed la dirección del vídeo que aparece
dentro de este recurso XML para que sea una cosa un poquito más
manejable.
- Finalmente, descargar con wget el vídeo.
Es decir, lo mismo que hacía el programa original.
Todo ha sido muy sencillo hasta ahora.
Conoce a tu enemigo: la mediateca
El autor de Pisando charcos me animó a buscar el modo de
descargar vídeos no de TVE a la carta, sino de la
mediateca,
otra sección que usa un sistema un poquito diferente al anterior:
- Las direcciones de las páginas con los vídeos incrustados
también acaban en una secuencia numérica justo antes del final
.html.
- Podemos suponer que, como antes, la dirección del fichero
de vídeo está indicada dentro de un recurso XML cuya dirección
podemos construir a partir de la secuencia numérica del punto
anterior.
- Estos recursos XML existen. ¡Bien!
- El autor de Pisando charcos señala que, lamentablemente,
la famosa secuencia numérica no siempre se corresponde con el
recurso XML adecuado.
Ahora toca ensuciarse (virtualmente) las manos un poquito. La
solución del problema está dentro del código de la página con el
reproductor de vídeo incrustado. Si miramos su contenido, encontramos
material sospechoso. El reproductor de vídeo arranca desde un trocito
de código JavaScript:
var so[XXXXXX] = new SWFObject('/swf/v2/RTVEPlayer.swf',flashcontentId,ancho,alto,'9');
La secuencia [XXXXXX] es un número de 6 cifras y cambia de
un vídeo a otro. Este número es bastante revelador y parece
identificar el vídeo que pretendemos descargar. En vez de sacar el
identificador del vídeo de ahí, vamos a hacerlo a partir del parámetro
flashcontentId, ya que con ese nombre no le queda más remedio
que ser el auténtico identificador del vídeo. En efecto, unas líneas
más arriba encontramos:
var flashcontentId = 'vidplayer[XXXXXX]';
Con este número construimos la dirección del recurso XML
correspondiente:
http://www.rtve.es/alacarta/player/[XXXXXX].xml.
El proceso final es el mismo que el que usamos con TVE a la carta:
bajar el recurso XML, extraer la dirección del vídeo de su interior,
construir una dirección del vídeo válida y aceptable y, finalmente,
descargar el vídeo.
La solución
Vamos a ir paso por paso:
- Escogemos una página de la mediateca con el reproductor de
vídeo incrustado y a la variable DIRECCION le asignamos su
dirección.
- Descargamos esta página con wget y sacamos el resultado
por la salida estándar porque vamos a trabajar con una tubería:
wget "$DIRECCION" -O -
- La salida de la anterior orden tiene el código de la página.
Buscamos la línea que asigna un valor a flashcontentId con
grep:
| grep 'var flashcontentId ='
- La salida de la anterior orden tiene la línea con el valor de
flashcontentId. Eliminamos todo lo que no es la parte
numérica con sed:
| sed 's/[^0-9]//g'
- La salida de la anterior orden tiene el número que identifica
el recurso XML. Construimos la dirección del recurso con una
línea de printf. Como este programa no acepta datos por
su entrada estándar, sino que sólo acepta listas de argumentos,
usamos xargs para generar su lista de argumentos:
| xargs printf 'http://www.rtve.es/alacarta/player/%s.xml'
- La salida de la anterior orden es la dirección del recurso
XML que podemos descargar con wget.
| wget -i - -O -
- La salida de la anterior orden contiene el texto del recurso
XML. Eliminamos todo lo que no es la dirección del vídeo con
sed:
sed 's_^.*<location>__;s_</location>.*$__'
- La salida de la anterior orden es una dirección RTMP que no nos
interesa usar. Afortunadamente, hay una dirección HTTP correspondiente
que también vale. Modificamos la dirección usando sed:
| sed 's_rtmp://stream_http://www_'
- La salida de la anterior orden es la dirección del vídeo que
queremos descargar. Usamos wget para hacer la magia final
(añadimos la opción -c para que wget reanude la
descarga por el punto en el que se quedó si ésta fue abortada):
| wget -c -i -
El resultado final queda así:
wget "$DIRECCION" -O - \
| grep 'var flashcontentId =' \
| sed 's/[^0-9]//g' \
| xargs printf 'http://www.rtve.es/alacarta/player/%s.xml' \
| wget -i - -O - \
| sed 's_^.*<location>__;s_</location>.*$__' \
| sed 's_rtmp://stream_http://www_' \
| wget -c -i -
La lógica anterior (con algunas mejoras) está recogida en un pequeño
script (distribuido bajo la licencia GNU GPL, versión 3 ó
posterior): rtve-mediateca-dl.
El uso es sencillo:
- Ponemos rtve-mediateca-dl en nuestro
PATH.
- Si queremos descargar el vídeo de la página de la mediateca
DIRECCIÓN, hacemos:
rtve-mediateca-dl DIRECCIÓN
- Disfrutamos del vídeo que, a partir de este momento, está en
nuestra computadora.
Actualización:
El sistema de distribución de vídeo de la página de RTVE
ha cambiado varias veces desde la escritura de este artículo y
el método aquí descrito está obsoleto. El método que funciona
en el momento de escribir esta actualización (septiembre de 2012) está
en un artículo más reciente. También hay una versión
al día del programita rtve-mediateca-dl que
implementa esté método.
Categorías:
Informática
Artículos publicados el mismo mes
Permalink:
https://sgcg.es/articulos/2010/02/20/bajar-videos-de-la-mediateca-de-rtve/
Volver arriba
