Update app.py

app.py

@@ -4,11 +4,15 @@ from bs4 import BeautifulSoup
 import os
 import zipfile
 import tempfile
+import re
 from urllib.parse import urljoin
 
 def process_url(url):
     try:
-        response = requests.get(url)
+        headers = {
+            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'
+        }
+        response = requests.get(url, headers=headers)
         response.raise_for_status()
     except requests.RequestException as e:
         return None, f"Erreur lors de la récupération de la page : {e}"
@@ -16,42 +20,59 @@ def process_url(url):
     soup = BeautifulSoup(response.text, 'html.parser')
 
     mp3_links = []
-    for link in soup.find_all('a', href=True):
-        href = link['href']
-        if href.lower().endswith('.mp3'):
-            absolute_url = urljoin(response.url, href)
-            mp3_links.append(absolute_url)
+    
+    # Recherche dans les balises audio et les divs de podcast
+    for audio_tag in soup.find_all('audio'):
+        source = audio_tag.find('source')
+        if source and 'src' in source.attrs:
+            mp3_url = source['src']
+            if '.mp3' in mp3_url:
+                absolute_url = urljoin(response.url, mp3_url.split('?')[0])  # Nettoyer l'URL
+                mp3_links.append(absolute_url)
 
-    # Supprimer les doublons en conservant l'ordre
-    seen = set()
-    mp3_links = [x for x in mp3_links if not (x in seen or seen.add(x))]
+    # Recherche alternative dans les données JSON
+    script_tags = soup.find_all('script', type='application/ld+json')
+    for script in script_tags:
+        content = script.string
+        if content and '"episode"' in content:
+            matches = re.findall(r'"contentUrl"\s*:\s*"([^"]+\.mp3[^"]*)"', content)
+            for match in matches:
+                absolute_url = urljoin(response.url, match.split('?')[0])
+                mp3_links.append(absolute_url)
+
+    # Suppression des doublons
+    mp3_links = list(dict.fromkeys(mp3_links))
 
     if not mp3_links:
-        return None, "Aucun lien MP3 trouvé sur la page."
+        return None, "Aucun lien MP3 trouvé - Structure de page non reconnue"
 
     temp_dir = tempfile.mkdtemp()
     filenames = []
+    
     for idx, mp3_url in enumerate(mp3_links, start=1):
         try:
-            mp3_response = requests.get(mp3_url)
-            mp3_response.raise_for_status()
-            filename = os.path.join(temp_dir, f"{idx:02d}_{os.path.basename(mp3_url)}")
-            with open(filename, 'wb') as f:
-                f.write(mp3_response.content)
-            filenames.append(filename)
-        except requests.RequestException as e:
-            print(f"Erreur de téléchargement {mp3_url}: {e}")
+            filename = f"{idx:02d}_{os.path.basename(mp3_url).split('?')[0]}"
+            filepath = os.path.join(temp_dir, filename)
+            
+            with requests.get(mp3_url, headers=headers, stream=True) as r:
+                r.raise_for_status()
+                with open(filepath, 'wb') as f:
+                    for chunk in r.iter_content(chunk_size=8192):
+                        f.write(chunk)
+            filenames.append(filepath)
+        except Exception as e:
+            print(f"Erreur sur {mp3_url}: {str(e)}")
             continue
 
     if not filenames:
-        return None, "Aucun épisode téléchargé."
+        return None, "Échec du téléchargement des fichiers"
 
-    zip_filename = os.path.join(temp_dir, 'podcast_episodes.zip')
-    with zipfile.ZipFile(zip_filename, 'w') as zipf:
+    zip_path = os.path.join(temp_dir, 'podcast.zip')
+    with zipfile.ZipFile(zip_path, 'w') as zipf:
         for file in filenames:
             zipf.write(file, arcname=os.path.basename(file))
 
-    return zip_filename, None
+    return zip_path, None
 
 def download_podcast(url):
     zip_path, error = process_url(url)
@@ -61,10 +82,13 @@ def download_podcast(url):
 
 iface = gr.Interface(
     fn=download_podcast,
-    inputs=gr.Textbox(label="URL de la page du podcast", placeholder="https://www.radiofrance.fr/..."),
-    outputs=gr.File(label="Télécharger le ZIP des épisodes"),
-    title="Téléchargeur de Podcast",
-    description="Entrez l'URL d'une page contenant des épisodes de podcast pour télécharger tous les MP3 dans un ZIP ordonné."
+    inputs=gr.Textbox(label="URL du podcast Radio France", placeholder="https://www.radiofrance.fr/..."),
+    outputs=gr.File(label="Télécharger les épisodes"),
+    title="Téléchargeur Radio France",
+    examples=[[
+        "https://www.radiofrance.fr/franceculture/podcasts/serie-le-secret-de-la-licorne-les-aventures-de-tintin"
+    ]],
+    description="Collez ici l'URL d'une série de podcasts Radio France pour récupérer tous les épisodes MP3"
 )
 
 iface.launch()