Python 筆記 - 研究 yt-dlp / youtube-dl 流程與開發方式

幫同事查了一下程式邏輯，下手的方向：

• 入口點在哪
• 到底怎樣跑
• 我要怎樣擴充或貢獻一個影音網站 extractor

用 github.com/yt-dlp/yt-dlp 來看，入口點就直接看 yt-dlp.sh 即可：

% git clone https://github.com/yt-dlp/yt-dlp

% cd yt-dlp 

% python3 yt_dlp/__main__.py 

Usage: __main__.py [OPTIONS] URL [URL...]

__main__.py: error: You must provide at least one URL.

Type yt-dlp --help to see a list of all options.

接著掃一下 yt_dlp/__main__.py 和 yt_dlp/__init__.py 就略懂他在處理 command line 的參數，而程式的本體是在 yt_dlp/YoutubeDL.py 檔案，一樣在追個 yt_dlp/YoutubeDL.py 裡的 class YoutubeDL 中的 def __init__() 裡，可以看到 self.add_default_info_extractors() 這步，如此就把 yt_dlp/extractor/ 眾多網站影音分析爬蟲狀態初始化好。

接著，給予一則影音網站連結：

% python3 yt_dlp/__main__.py https://www.facebook.com/UserID/videos/VideoID/

程式就會在 yt_dlp/YoutubeDL.py extract_info() 分析做事，像是把所有 extractor 都瀏覽一次，透過呼叫 ie.suitable(url) 的機制判斷。這時可以對應在 yt_dlp/extractor/common.py 中，看到 class InfoExtractor(object) 裡的 suitable() 定義並用 _match_valid_url() 和 _VALID_URL 實作，這時回去猜 yt_dlp/extractor/facebook.py 時，找不到 suitable() 也找不到 _match_valid_url() 時，就可以猜應該是 _VALID_URL 的實作方式了。

回到 yt_dlp/YoutubeDL.py 時，在 extract_info() 分析做事時，找到合適的 extractor 後，就會立即靠 ie.extract(url) 解析，而實際實作是靠 _real_extract()。再找一下 yt_dlp/extractor/facebook.py 中是否有定義 extract() 或 _real_extract()，即可當作解析網站的程式邏輯入口點。

最後，想要擴充某個網站或是修補加強某個網站，就可以去改對應的 extractor 了。並且可以把在當前目錄下，不斷靠 yt-dlp.sh 去實測，也滿方便的。