【已解决】Python解析.srt字幕文件

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：

或：

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：

然后此处代码中去导入看看是否能识别

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：

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：

输出效果：

再去拿到起始时间段

代码：

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：

效果：