目录
1. 获取字幕文件
一般来说，很多视频网站都会提供视频的字幕文件。有的可以直接下载，有的需要先下载视频，然后再使用字幕软件提取字幕文件。还有一些可以在Chrome浏览器中安装字幕插件，然后在视频播放页面中直接下载字幕文件。总而言之，需要先获取到字幕文件，然后才能进行下一步操作。SRT格式的字幕文件是最常见的，其格式如下所示：
1
2
3
4
5
6
7
1
00:00:00,000 --> 00:00:02,000
Life is short
2
00:00:02,205 --> 00:00:04,000
You need Python
可以看到，字幕文件由多个字幕组成，每个字幕由两行组成，第一行是字幕的序号，第二行是字幕的时间轴，第三行是字幕的内容。字幕之间用空行分隔。所以，只需要先删除所有空行，然后对line_num%3==0的行进行处理，即可得到字幕的内容
2. python脚本
文件内容如下：
#!/usr/bin/env python
# -*- coding: utf-8 -*-
# author: 'zfb'
# time: 2019-10-26 17:17
import argparse
import glob
import os
# 输出文件的头部信息，可以为空
header = "zfb 2019-10-26 17:17\n\n"
# 段落开始符号
begin_para_symbol = " "
# 拼接句子的符号
split_line_symbol = "，"
# 拼接字幕文件的符号
split_file_symbol = "\n\n\n"
def read_toc(file_name):
with open(file_name, "r", encoding="utf8") as file:
lines = file.readlines()
# 去除所有空行
strip_lines = [line.strip()+"\n" for line in lines if len(line.strip())]
return strip_lines
def read_srt(file_name):
with open(file_name, "r", encoding="utf8") as file:
lines = file.readlines()
# 去除所有空行
strip_lines = [line.strip() for line in lines if len(line.strip())]
# 根据文件格式，字幕文字所在行是3的倍数，从起始位置，到结束位置，间隔为3
text_lines = strip_lines[2::3]
# 按照逗号拼接全文
text = split_line_symbol.join(text_lines)
return text
def get_files(directory):
# 按文件名排序
return sorted(glob.glob(os.path.join(directory, "*.srt")))
def convert(srt_files, toc_lines, txt_name):
content = header
for i in range(len(srt_files)):
content = content + toc_lines[i] + begin_para_symbol + read_srt(srt_files[i]) + split_file_symbol
with open(txt_name, "w") as file:
file.write(content)
if __name__ == "__main__":
parser = argparse.ArgumentParser(
description='SRT字幕文件转TXT文件',
formatter_class=argparse.RawDescriptionHelpFormatter,
epilog=
'''\
用法示例：
python srt2txt.py ./srt/ ./content.txt -t ./toc.txt
python srt2txt.py ./srt/ ./content.txt
python srt2txt.py
'''
)
# 可选参数
parser.add_argument(
"-s", "--srt_dir", type=str, default="./srt/",
help="*.srt字幕文件所在目录，默认为当前目录下的srt文件夹"
)
parser.add_argument(
"-o", "--output_name", type=str, default="./content.txt",
help="输出文件名，默认为content.txt"
)
parser.add_argument(
"-t", "--toc", type=str, default="./toc.txt",
help="目录文件名，默认为toc.txt, 如果没有，会根据字幕文件名生成"
)
args = parser.parse_args()
# 字幕文件所在目录
srt_file_path = args.srt_dir
# 目录文件，如果没有，会根据字幕文件名生成
toc_file = args.toc
# 输出文件
txt_file = args.output_name
files = get_files(srt_file_path)
if os.path.exists(toc_file):
# 读取目录文件
toc_lines = read_toc(toc_file)
else:
# 根据srt文件名，生成目录文件
toc_lines = [os.path.basename(file) + "\n" for file in files]
convert(files, toc_lines, txt_file)
晨曦
/
/ - views
Published under (CC) BY-NC-SA 4.0