Feature/arte film language

[CuriousApe2020]

Baut auf #1174 und dem ZDF-Teil (#1175) auf und füllt dasselbe Feld Film.audioLanguage für arte. Solange die beiden nicht gemergt sind, zeigt der Diff gegen develop deren Commits mit; der eigentliche Inhalt hier sind 7 Dateien.

arte liefert die Sprache je Tonspur im Listing unter videos[].versions[].audioLanguage. Ausgewertet wurde davon bisher nur der danebenstehende audioCode, um den Videotyp zu bestimmen; die Sprache blieb ungenutzt und war im Filmliste-Eintrag nur noch als Titelzusatz "(Originalversion)" sichtbar, der sie nicht benennt.

ArteVideoInfoDeserializer liest den versions-Block jetzt als Zuordnung Versionscode auf Sprachcode, ArteVideoInfoDto hält sie, und ArteDtoVideo2FilmTask setzt sie auf den Originalversions-Film - passend zum ARD- und ZDF-Teil trägt nur die Originalfassung die Sprache.

Belegt an den vorhandenen Fixtures:

audioCode	audioLanguage	Feld
VOA	de	deu
VF-STF	fr	fra
VE[ESP]-STE[ESP]	es	spa
VO	und	siehe unten
VOEU[ALL]-STE[ANG]	mul	leer

Der Fall "VO"

Für die reine Originalfassung reicht der versions-Block nicht: arte zeichnet sie dort mit "und" aus, eine mehrsprachige Fassung mit "mul". Dafür wird zusätzlich videos[].originalLanguage gelesen - ein Block, den MServer bisher an keiner Stelle auswertet:

"originalLanguage": { "arteCode": "FRA", "label": "Französisch", "iso6391Code": "fr" }

Bei einer Originalfassung ist die Sprache des Originals genau die der Tonspur. Für die synchronisierte Fassung wäre derselbe Wert falsch - arte_videos_1.json führt dort "fr" bei mainAudioVersion "VA", also bei der deutschen Fassung eines französischen Films. Deshalb wird die Auflösung nur für die Originalversionen aufgerufen, nie für den Standardfilm.

Was dabei herauskommt, korrigiert eine Annahme, die ich in #1172 noch hatte. In allen Fixtures, deren mainAudioVersion "VO" ist, führt originalLanguage entweder den arte-Code MUS mit leerem iso6391Code oder gar nichts:

Fixture	mainAudioVersion	originalLanguage
arte_film_6_videos.json	VO	MUS / "musikalisch" / ""
arte_film_4_videos.json	VO	MUS / "musikalisch" / ""
arte_videos_1.json [1]	VO	MUS / "musikalisch" / ""
arte_videos_1.json [6]	VO	null

"VO" ist bei ARTE.DE also der Marker für Beiträge ohne Dialog - Konzerte, Musik. Damit ist "und" dort richtig und kein Datenverlust. Fremdsprachige Originale laufen nicht über VO, sondern über VOF-STA, VOA-STF und VO-STE[...], und die tragen im versions-Block einen echten Code.

Der Rückgriff bleibt trotzdem drin: er ist die semantisch richtige Quelle für diesen Fall, und wo arte das Original benennt, greift er. Wo arte selbst nichts sagt, bleibt das Feld leer - zu raten wäre schlechter, als nichts zu sagen.

Nicht am Streams-Endpunkt angesetzt

Dessen Antwort (videoStreams, siehe ArteVideoLinkDeserializer) führt zwar audioCode und audioLabel, aber kein audioLanguage. Das Label hilft dort ebenfalls nicht weiter - bei "VO-STE[ANG]" lautet es "Originalfassung - UT Englisch", die genannte Sprache ist also die der Untertitel, nicht die der Tonspur.

LanguageCodeUtils

Außerdem neu als gemeinsame Stelle für die Normalisierung. Die Sender sind darin uneinheitlich - die ARD schreibt dreistellig ("deu"), arte zweistellig ("de") -, und beide verwenden Platzhalter, die keine Sprache benennen ("ov" bei der ARD, "und" und "mul" bei arte). Die zuvor im ArdFilmDeserializer private Normalisierung ist dorthin gewandert. Die Zuordnung zweistellig auf dreistellig steht als Tabelle da und nicht über Locale, weil dessen Sprachdaten unter Linux an ICU hängen und nicht auf jedem Host vollständig vorliegen.

Tests

• Auslesen des versions-Blocks am echten Fixture inklusive der Platzhalter.
• Der Rückgriff auf originalLanguage: "fr" wird zu "fra".
• Die Gegenprobe dazu - der leere ISO-Code von MUS ergibt nichts.
• Die Normalisierung über beide Schreibweisen, Großschreibung, Regionsangaben und unbrauchbare Werte.