forked from zaclys/searxng
commit
98e6b4d830
|
@ -0,0 +1,96 @@
|
||||||
|
"""
|
||||||
|
Bing (Videos)
|
||||||
|
|
||||||
|
@website https://www.bing.com/videos
|
||||||
|
@provide-api yes (http://datamarket.azure.com/dataset/bing/search)
|
||||||
|
|
||||||
|
@using-api no
|
||||||
|
@results HTML
|
||||||
|
@stable no
|
||||||
|
@parse url, title, content, thumbnail
|
||||||
|
"""
|
||||||
|
|
||||||
|
from json import loads
|
||||||
|
from lxml import html
|
||||||
|
from searx.engines.xpath import extract_text
|
||||||
|
from searx.url_utils import urlencode
|
||||||
|
|
||||||
|
|
||||||
|
categories = ['videos']
|
||||||
|
paging = True
|
||||||
|
safesearch = True
|
||||||
|
time_range_support = True
|
||||||
|
number_of_results = 10
|
||||||
|
|
||||||
|
search_url = 'https://www.bing.com/videos/asyncv2?{query}&async=content&'\
|
||||||
|
'first={offset}&count={number_of_results}&CW=1366&CH=25&FORM=R5VR5'
|
||||||
|
time_range_string = '&qft=+filterui:videoage-lt{interval}'
|
||||||
|
time_range_dict = {'day': '1440',
|
||||||
|
'week': '10080',
|
||||||
|
'month': '43200',
|
||||||
|
'year': '525600'}
|
||||||
|
|
||||||
|
# safesearch definitions
|
||||||
|
safesearch_types = {2: 'STRICT',
|
||||||
|
1: 'DEMOTE',
|
||||||
|
0: 'OFF'}
|
||||||
|
|
||||||
|
|
||||||
|
# do search-request
|
||||||
|
def request(query, params):
|
||||||
|
offset = (params['pageno'] - 1) * 10 + 1
|
||||||
|
|
||||||
|
# safesearch cookie
|
||||||
|
params['cookies']['SRCHHPGUSR'] = \
|
||||||
|
'ADLT=' + safesearch_types.get(params['safesearch'], 'DEMOTE')
|
||||||
|
|
||||||
|
# language cookie
|
||||||
|
params['cookies']['_EDGE_S'] = 'mkt=' + params['language'].lower() + '&F=1'
|
||||||
|
|
||||||
|
# query and paging
|
||||||
|
params['url'] = search_url.format(query=urlencode({'q': query}),
|
||||||
|
offset=offset,
|
||||||
|
number_of_results=number_of_results)
|
||||||
|
|
||||||
|
# time range
|
||||||
|
if params['time_range'] in time_range_dict:
|
||||||
|
params['url'] += time_range_string.format(interval=time_range_dict[params['time_range']])
|
||||||
|
|
||||||
|
return params
|
||||||
|
|
||||||
|
|
||||||
|
# get response from search-request
|
||||||
|
def response(resp):
|
||||||
|
results = []
|
||||||
|
|
||||||
|
dom = html.fromstring(resp.text)
|
||||||
|
|
||||||
|
for result in dom.xpath('//div[@class="dg_u"]'):
|
||||||
|
|
||||||
|
# try to extract the url
|
||||||
|
url_container = result.xpath('.//div[@class="sa_wrapper"]/@data-eventpayload')
|
||||||
|
if len(url_container) > 0:
|
||||||
|
url = loads(url_container[0])['purl']
|
||||||
|
else:
|
||||||
|
url = result.xpath('./a/@href')[0]
|
||||||
|
|
||||||
|
# discard results that do not return an external url
|
||||||
|
# very recent results sometimes don't return the video's url
|
||||||
|
if url.startswith('/videos/search?'):
|
||||||
|
continue
|
||||||
|
|
||||||
|
title = extract_text(result.xpath('./a//div[@class="tl"]'))
|
||||||
|
content = extract_text(result.xpath('.//div[@class="pubInfo"]'))
|
||||||
|
thumbnail = result.xpath('.//div[@class="vthumb"]/img/@src')[0]
|
||||||
|
|
||||||
|
results.append({'url': url,
|
||||||
|
'title': title,
|
||||||
|
'content': content,
|
||||||
|
'thumbnail': thumbnail,
|
||||||
|
'template': 'videos.html'})
|
||||||
|
|
||||||
|
# first page ignores requested number of results
|
||||||
|
if len(results) >= number_of_results:
|
||||||
|
break
|
||||||
|
|
||||||
|
return results
|
|
@ -81,6 +81,10 @@ engines:
|
||||||
engine : bing_news
|
engine : bing_news
|
||||||
shortcut : bin
|
shortcut : bin
|
||||||
|
|
||||||
|
- name : bing videos
|
||||||
|
engine : bing_videos
|
||||||
|
shortcut : biv
|
||||||
|
|
||||||
- name : bitbucket
|
- name : bitbucket
|
||||||
engine : xpath
|
engine : xpath
|
||||||
paging : True
|
paging : True
|
||||||
|
|
|
@ -0,0 +1,131 @@
|
||||||
|
# -*- coding: utf-8 -*-
|
||||||
|
from collections import defaultdict
|
||||||
|
import mock
|
||||||
|
from searx.engines import bing_videos
|
||||||
|
from searx.testing import SearxTestCase
|
||||||
|
|
||||||
|
|
||||||
|
class TestBingVideosEngine(SearxTestCase):
|
||||||
|
|
||||||
|
def test_request(self):
|
||||||
|
query = 'test_query'
|
||||||
|
dicto = defaultdict(dict)
|
||||||
|
dicto['pageno'] = 1
|
||||||
|
dicto['language'] = 'fr-FR'
|
||||||
|
dicto['safesearch'] = 0
|
||||||
|
dicto['time_range'] = ''
|
||||||
|
params = bing_videos.request(query, dicto)
|
||||||
|
self.assertTrue('url' in params)
|
||||||
|
self.assertTrue(query in params['url'])
|
||||||
|
self.assertTrue('bing.com' in params['url'])
|
||||||
|
self.assertTrue('SRCHHPGUSR' in params['cookies'])
|
||||||
|
self.assertTrue('OFF' in params['cookies']['SRCHHPGUSR'])
|
||||||
|
self.assertTrue('_EDGE_S' in params['cookies'])
|
||||||
|
self.assertTrue('fr-fr' in params['cookies']['_EDGE_S'])
|
||||||
|
|
||||||
|
dicto['pageno'] = 2
|
||||||
|
dicto['time_range'] = 'day'
|
||||||
|
dicto['safesearch'] = 2
|
||||||
|
params = bing_videos.request(query, dicto)
|
||||||
|
self.assertTrue('first=11' in params['url'])
|
||||||
|
self.assertTrue('1440' in params['url'])
|
||||||
|
self.assertIn('SRCHHPGUSR', params['cookies'])
|
||||||
|
self.assertTrue('STRICT' in params['cookies']['SRCHHPGUSR'])
|
||||||
|
|
||||||
|
def test_response(self):
|
||||||
|
self.assertRaises(AttributeError, bing_videos.response, None)
|
||||||
|
self.assertRaises(AttributeError, bing_videos.response, [])
|
||||||
|
self.assertRaises(AttributeError, bing_videos.response, '')
|
||||||
|
self.assertRaises(AttributeError, bing_videos.response, '[]')
|
||||||
|
|
||||||
|
response = mock.Mock(text='<html></html>')
|
||||||
|
self.assertEqual(bing_videos.response(response), [])
|
||||||
|
|
||||||
|
response = mock.Mock(text='<html></html>')
|
||||||
|
self.assertEqual(bing_videos.response(response), [])
|
||||||
|
|
||||||
|
html = """
|
||||||
|
<div>
|
||||||
|
<div class="dg_u">
|
||||||
|
<a class="dv_i" href="/videos/search?abcde">
|
||||||
|
<div class="vthblock">
|
||||||
|
<div class="vthumb">
|
||||||
|
<img src="thumb_1.jpg" />
|
||||||
|
</div>
|
||||||
|
<div>
|
||||||
|
<div class="tl">
|
||||||
|
Title 1
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
<div class="videoInfoPanel">
|
||||||
|
<div class="pubInfo">
|
||||||
|
<div>Content 1</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</a>
|
||||||
|
<div class="sa_wrapper"
|
||||||
|
data-eventpayload="{"purl": "https://url.com/1"}">
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
"""
|
||||||
|
response = mock.Mock(text=html)
|
||||||
|
results = bing_videos.response(response)
|
||||||
|
self.assertEqual(type(results), list)
|
||||||
|
self.assertEqual(len(results), 1)
|
||||||
|
self.assertEqual(results[0]['title'], 'Title 1')
|
||||||
|
self.assertEqual(results[0]['url'], 'https://url.com/1')
|
||||||
|
self.assertEqual(results[0]['content'], 'Content 1')
|
||||||
|
self.assertEqual(results[0]['thumbnail'], 'thumb_1.jpg')
|
||||||
|
|
||||||
|
html = """
|
||||||
|
<div>
|
||||||
|
<div class="dg_u">
|
||||||
|
<a class="dv_i" href="https://url.com/1">
|
||||||
|
<div class="vthblock">
|
||||||
|
<div class="vthumb">
|
||||||
|
<img src="thumb_1.jpg" />
|
||||||
|
</div>
|
||||||
|
<div>
|
||||||
|
<div class="tl">
|
||||||
|
Title 1
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
<div class="videoInfoPanel">
|
||||||
|
<div class="pubInfo">
|
||||||
|
<div>Content 1</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</a>
|
||||||
|
</div>
|
||||||
|
<div class="dg_u">
|
||||||
|
<a class="dv_i" href="/videos/search?abcde">
|
||||||
|
<div class="vthblock">
|
||||||
|
<div class="vthumb">
|
||||||
|
<img src="thumb_2.jpg" />
|
||||||
|
</div>
|
||||||
|
<div>
|
||||||
|
<div class="tl">
|
||||||
|
Title 2
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
<div class="videoInfoPanel">
|
||||||
|
<div class="pubInfo">
|
||||||
|
<div>Content 2</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</a>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
"""
|
||||||
|
response = mock.Mock(text=html)
|
||||||
|
results = bing_videos.response(response)
|
||||||
|
self.assertEqual(type(results), list)
|
||||||
|
self.assertEqual(len(results), 1)
|
||||||
|
self.assertEqual(results[0]['title'], 'Title 1')
|
||||||
|
self.assertEqual(results[0]['url'], 'https://url.com/1')
|
||||||
|
self.assertEqual(results[0]['content'], 'Content 1')
|
||||||
|
self.assertEqual(results[0]['thumbnail'], 'thumb_1.jpg')
|
Loading…
Reference in New Issue