将transcript.srt文件解析为可读文本

Question

我有一个视频记录SRT文件，其中有传统SRT格式的行。下面是一个例子：

1
00:00:00,710 --> 00:00:03,220
Lorem ipsum dolor sit amet
consectetur, adipisicing elit.

2
00:00:03,220 --> 00:00:05,970
Dignissimos et quod laboriosam
iure magni expedita

3
00:00:05,970 --> 00:00:09,130
nisi, quis quaerat. Rem, facere!

我尝试使用python读取并解析这个文件，删除（或跳过）包含数字字符串的行（例如，skip'1'&； '00:00:00710-->；00:00:03220'），然后设置其余文本行的格式，以便将它们连接起来并以可读格式显示。下面是我尝试生成的输出示例：

Lorem ipsum dolor sit amet consectetur, adipisicing elit. Dignissimos et quod laboriosam iure magni expedita nisi, quis quaerat. Rem, facere!

以下是我目前为止想出的代码：

^{pr2}$

我对Python的实际操作已经不多见了，但现在我想知道，要有效可靠地匹配要删除或跳过的段的第一行和第二行，唯一的方法是使用正则表达式。否则，可以使用itertools库或某种类型的函数来跳过第1行和第2行以及任何空行。在

有人用Python来帮我克服这个问题吗？在

Answer 1

我只需要使用pysrt这样的库来解析srt文件。这应该被证明是最有力的。在

import pysrt
subs = pysrt.open("foo.srt")

for sub in subs:
    print(sub.text)
    print()

输出：

^{pr2}$

Answer 2

如果您希望有一个特定的列表来查找，下面的代码可以解决您的问题，并给您指定一个项目列表的机会，即使它们包含不同的类型。在

with open ('foo.srt', 'r') as f:
   for line in f:
      if not line.startswith(('0', '1' , '2', '3')):
         print(line) 

虽然，这是一个循环，所以如果你担心你的程序的速度，我会用pysrt推荐上面的答案。在

Answer 3

如果要使用regex过滤掉数字行和空行，可以使用以下命令：

import re

def main():
    # read file line by line
    file = open( "sample.srt", "r")
    lines = file.readlines()
    file.close()

    text = ''
    for line in lines:
        if re.search('^[0-9]+$', line) is None and re.search('^[0-9]{2}:[0-9]{2}:[0-9]{2}', line) is None and re.search('^$', line) is None:
            text += ' ' + line.rstrip('\n')
        text = text.lstrip()
    print(text)

main()

这将输出：

^{pr2}$