折腾：
【未解决】用Python代码从视频中提取出音频mp3文件
期间，对于已有的srt字幕文件：
1 00:00:02,000 --> 00:00:06,700 Careful now, I don't want to hurt you. 现在要小心了 我可不想伤到你啊 2 00:00:10,500 --> 00:00:14,550 So Mr. Teacher guy, as the real Dragon Warrior, 那么 这个作为神龙斗士老师的你 3 00:00:14,560 --> 00:00:17,950 I say to you, Shakabooey! 我想对你说 滚你的 4 00:00:24,500 --> 00:00:28,030 So, guess you can start planning my parade now. 那 我想你们可以开始我的游行了是吧 ...
或：
1 00:00:02,310 --> 00:00:04,677 I am a little turtle 2 00:00:04,752 --> 00:00:07,540 I crawl so slow 3 00:00:07,670 --> 00:00:12,120 I carry my house wherever I go. 4 00:00:12,210 --> 00:00:16,927 When I get tired, I put in my head,
现在需要去用Python去处理和解析
希望得到结构化的数据，至少要包括：第几段，起始时间和结束时间，（第一条的）英文字幕
此处数据的结构，看起来格式还是很统一的，其实可以用正则re去匹配。
不过去找找是否有成熟的库，这样可以提高效率，避免重复造轮子
python parse srt file
看起来效果不错。
-》
看起来不是足够好用
所以先去试试：pysrt
先去安装pysrt：
其中此处特殊的是，Mac本地有多个Python，且Python3也有多个：
且此处选择了，看似pip3所对应的
Python 3.6.4 64-bit
然后用pip3去安装：
➜ xxx_downloadDemo which pip3 /usr/local/bin/pip3 ➜ xxx_downloadDemo ll /usr/local/bin/pip* -rwxr-xr-x 1 crifan admin 215B 4 20 15:47 /usr/local/bin/pip -rwxr-xr-x 1 crifan admin 235B 4 17 10:18 /usr/local/bin/pip2 -rwxr-xr-x 1 crifan admin 235B 4 17 10:18 /usr/local/bin/pip2.7 -rwxr-xr-x 1 crifan admin 235B 4 20 15:21 /usr/local/bin/pip3 -rwxr-xr-x 1 crifan admin 235B 4 20 15:21 /usr/local/bin/pip3.6 ➜ xxx_downloadDemo pip3 install pysrt Collecting pysrt Downloading https://files.pythonhosted.org/packages/f6/33/16ad65a8973cb8bcb494af09ee1b9ab5ffdd6ff300bce5d3ac7d3cb1f2cc/pysrt-1.1.1.tar.gz (104kB) 100% |████████████████████████████████| 112kB 320kB/s Requirement already satisfied: chardet in /usr/local/lib/python3.6/site-packages (from pysrt) (3.0.4) Building wheels for collected packages: pysrt Running setup.py bdist_wheel for pysrt ... done Stored in directory: /Users/crifan/Library/Caches/pip/wheels/a6/95/51/25db5b533f7c8c3bccf661a7f2bf67caaf893f6f92bb37da33 Successfully built pysrt Installing collected packages: pysrt Successfully installed pysrt-1.1.1 You are using pip version 10.0.1, however version 18.0 is available. You should consider upgrading via the 'pip install --upgrade pip' command.
然后此处代码中去导入看看是否能识别
import pysrt
可以识别的。
还可以点击进去确认和看源码：
然后去试试pysrt解析srt文件的效果
代码：
subtitleList = pysrt.open(subtitleFullPath, encoding="utf-8")
VSCode中调试的结果是：
点开data是我希望要的subtitle的list：
但是对应的每个srtitem中的text，竟然是英文和中文混合了？
没有把中英文字幕分开？
通过打印出来后发现，还真的竟然是字幕混在一起了：
所以：不是我们要的
-》要买换库，要么自己再去拆分出不同字幕
-》考虑到demo中的：
>>> first_sub.start.seconds = 20
>>> first_sub.end.minutes = 5
对于time解析和支持的不错，那么还是用这个库吧，然后字幕自己拆分
不过要确保：不同语言的字幕，都只能是一行，单一语言的字幕，比如英语，内部不能有换行
看了看其他srt字幕的内容，的确满足这条，所以是可以通过\n换行符来拆分出两行字幕 或单行字幕
然后此处：第一行字幕就是英文，第二行可能没有，有的话则是中文字幕
对于换行，此处貌似都是\n，但是也要额外考虑到，是否可能会是\r或\r\n
所以要去找个严格的办法去判断：
python 判断字符串中包含换行
python check string contain newline
所以还是简单的去判断：
if “\n” in “xxx”
吧
然后通过拆分：
subtitleEn = ""
subtitleZhcn = ""
subtitleText = eachSubtitle.text
if "\n" in subtitleText:
subtitleTextList = subtitleText.split("\n")
subtitleEn = subtitleTextList[0]
if len(subtitleTextList) > 1:
subtitleZhcn = subtitleTextList[1]
else:
subtitleEn = subtitleText
logging.info("[%d] %s | %s", curNum, subtitleEn, subtitleZhcn)输出效果：
再去拿到起始时间段
代码：
startTime = eachSubtitle.start endTime = eachSubtitle.end
获取到时间，效果不错：
有 hours，minutes，seconds，milliseconds
输出如下：
【总结】
最后用库pysrt，去解析srt字幕
代码：
import pysrt subtitleFilename = "course_%s_subtitle.srt" % courseId subtitleFullPath = os.path.join(courseRootFolder, subtitleFilename) if os.path.exists(subtitleFullPath): subtitleList = pysrt.open(subtitleFullPath, encoding="utf-8") getOk = True
效果：
转载请注明：在路上 » 【已解决】Python解析.srt字幕文件