python 解析srt

原创

mob64ca12d32849 2024-09-21 04:21:04 ©著作权

©著作权归作者所有：来自51CTO博客作者mob64ca12d32849的原创作品，请联系作者获取转载授权，否则将追究法律责任

Python 解析 SRT 文件指南

引言

在媒体播放中，SRT（SubRip Subtitle）文件是一种常见的字幕文件格式，广泛应用于视频文件中，为用户提供更好的观看体验。SRT 文件的结构相对简单，但对于初学者来说，解析这些文件可能会面临一些挑战。在这篇文章中，我们将通过 Python 来学习如何解析 SRT 文件，并将其内容提取、格式化及输出。文章中将提供代码示例、关系图和甘特图，帮助大家更好地理解整个过程。

SRT 文件结构

一个典型的 SRT 文件由多个字幕条目组成，每个条目的结构如下：

1
00:00:01,000 --> 00:00:05,000
这是第一条字幕

2
00:00:06,000 --> 00:00:10,000
这是第二条字幕

每个条目包含三部分：

字幕序号
时间戳，表示字幕的起始和结束时间
字幕文本

SRT 文件解析

使用 Python 解析 SRT

我们可以使用 Python 的文本处理能力轻松解析 SRT 文件。以下是一个示例代码，演示如何读取和解析 SRT 文件中的内容。

import re

class Subtitle:
    def __init__(self, index, start_time, end_time, text):
        self.index = index
        self.start_time = start_time
        self.end_time = end_time
        self.text = text

    def __repr__(self):
        return f"Subtitle({self.index}, {self.start_time}, {self.end_time}, {self.text})"

def parse_srt(file_path):
    subtitles = []
    with open(file_path, 'r', encoding='utf-8-sig') as file:
        content = file.read()

        # 使用正则表达式提取字幕条目
        entries = re.split(r'\n\s*\n', content.strip())
        for entry in entries:
            parts = entry.splitlines()
            if len(parts) < 3:
                continue
            
            index = int(parts[0])
            time_range = parts[1].split(' --> ')
            start_time = time_range[0].strip()
            end_time = time_range[1].strip()
            text = " ".join(parts[2:])
            
            subtitles.append(Subtitle(index, start_time, end_time, text))
    
    return subtitles

# 示例用法
srt_file_path = 'example.srt'
subtitles = parse_srt(srt_file_path)
for subtitle in subtitles:
    print(subtitle)

代码解释

Subtitle 类：定义一个用于存储单个字幕的类，包含序号、起始时间、结束时间和字幕文本。
parse_srt 函数：这是解析 SRT 文件的主要函数。它使用 Python 的内置文件处理功能读取文件内容，使用正则表达式分割多个字幕条目。
时间戳解析：从每个条目中提取时间戳，并将字幕内容整理为一个完整的句子。

使用示例

假设我们有一个名为 example.srt 的字幕文件，内容如下：

1
00:00:01,000 --> 00:00:05,000
这是第一条字幕

2
00:00:06,000 --> 00:00:10,000
这是第二条字幕

运行上述代码后，输出结果将如下：

Subtitle(1, 00:00:01,000, 00:00:05,000, 这是第一条字幕)
Subtitle(2, 00:00:06,000, 00:00:10,000, 这是第二条字幕)

关系图

下面是解析 SRT 文件时涉及的类和数据之间的关系图，帮助我们理解数据的结构。

erDiagram
    Subtitle {
        int index
        string start_time
        string end_time
        string text
    }

    ParseSRT {
        string file_path
    }

    ParseSRT ||--o{ Subtitle : contains

甘特图

在解析 SRT 文件的过程中，我们可以将步骤可视化为甘特图，帮助我们更好地理解每个步骤之间的时间关系。

gantt
    title SRT 文件解析流程
    dateFormat  YYYY-MM-DD
    section 文件读取
    打开文件          :a1, 2023-10-01, 1d
    section 内容处理
    分割条目          :a2, after a1, 1d
    提取信息          :a3, after a2, 2d
    section 数据整理
    创建 Subtitle 对象 :a4, after a3, 1d

处理异常

在实际应用中，你可能会遇到格式不标准的 SRT 文件，导致解析失败。为了确保程序的鲁棒性，可以添加一些异常处理机制。

def parse_srt(file_path):
    subtitles = []
    try:
        with open(file_path, 'r', encoding='utf-8-sig') as file:
            content = file.read()
            entries = re.split(r'\n\s*\n', content.strip())
            for entry in entries:
                parts = entry.splitlines()
                if len(parts) < 3:
                    continue
                
                index = int(parts[0])
                time_range = parts[1].split(' --> ')
                start_time = time_range[0].strip()
                end_time = time_range[1].strip()
                text = " ".join(parts[2:])
                
                subtitles.append(Subtitle(index, start_time, end_time, text))
    except FileNotFoundError:
        print(f"文件 {file_path} 未找到")
    except Exception as e:
        print(f"解析过程中出现错误: {e}")

    return subtitles