如何用python解析srt字幕文件？1.了解srt文件结构，由序号、时间戳、字幕文本组成，用空行分隔；2.用python读取文件，先尝试utf-8编码，失败则用gbk；3.用正则表达式分割字幕块并提取内容；4.将每个字幕块的字段存入字典，最终返回字幕列表。如何处理不同编码的srt文件？1.使用chardet库检测文件编码；2.根据检测结果读取文件内容；3.若编码无法识别则返回空列表。如何提取特定时间段内的字幕？1.定义函数将时间戳转为timedelta对象；2.解析srt文件后筛选出开始时间在指定范围内的字幕；3.返回符合条件的字幕列表。如何保存提取的字幕到新srt文件？1.遍历字幕列表；2.按srt格式写入序号、时间戳和文本；3.每个字幕块后加空行，最终保存为新文件。
直接上干货，Python源码解析电影字幕的核心在于理解字幕文件的格式，然后针对性地进行解析和提取。SRT文件是其中一种常见的格式，结构相对简单，适合作为入门案例。
解决方案
首先，我们需要了解SRT文件的基本结构。它由序号、时间戳和字幕文本组成，每个字幕块之间通常用空行分隔。
立即学习“Python免费学习笔记（深入）”；
import re
def parse_srt(srt_file):
"""
解析SRT字幕文件，提取字幕文本和时间戳。
"""
try:
with open(srt_file, 'r', encoding='utf-8') as f:
srt_content = f.read()
except UnicodeDecodeError:
with open(srt_file, 'r', encoding='gbk') as f: # 尝试GBK编码
srt_content = f.read()
# 使用正则表达式分割字幕块
subtitle_blocks = re.split(r'\n\n', srt_content)
subtitles = []
for block in subtitle_blocks:
lines = block.strip().split('\n')
if len(lines) >= 3: # 确保至少包含序号、时间戳和字幕
try:
index = int(lines[0])
timestamp = lines[1]
text = '\n'.join(lines[2:]) # 将多行字幕合并
subtitles.append({'index': index, 'timestamp': timestamp, 'text': text})
except ValueError:
# 处理序号不是数字的情况，可能是不规范的SRT文件
print(f"警告：无法解析字幕块：\n{block}")
return subtitles
# 示例用法
srt_file = 'example.srt' # 替换成你的SRT文件路径
subtitles = parse_srt(srt_file)
for subtitle in subtitles:
print(f"序号: {subtitle['index']}")
print(f"时间戳: {subtitle['timestamp']}")
print(f"字幕: {subtitle['text']}")
print("-" * 20)这段代码首先尝试用UTF-8编码读取SRT文件，如果失败，则尝试GBK编码。这能覆盖大多数情况，但如果遇到其他编码，可能需要手动指定。然后，它使用正则表达式
\n\n来分割字幕块，这是一个常见的SRT文件结构特征。接下来，提取每个字幕块的序号、时间戳和字幕文本，并将它们存储在一个列表中。
这段代码的容错性还有提升空间。例如，可以更精细地解析时间戳，或者处理一些不规范的SRT文件格式。但是，它已经能够处理大多数常见的SRT文件了。实际应用中，你可能需要根据具体的SRT文件进行调整。
如何处理不同编码的SRT文件？
处理不同编码的SRT文件，核心在于正确识别文件的编码方式。上面代码中已经展示了尝试UTF-8和GBK编码的策略，但这只是冰山一角。更通用的方法是使用
chardet库。
import chardet
def detect_encoding(file_path):
"""
检测文件的编码方式。
"""
with open(file_path, 'rb') as f:
raw_data = f.read()
result = chardet.detect(raw_data)
return result['encoding']
def parse_srt_with_encoding(srt_file):
"""
使用检测到的编码解析SRT文件。
"""
encoding = detect_encoding(srt_file)
if encoding:
try:
with open(srt_file, 'r', encoding=encoding) as f:
srt_content = f.read()
except Exception as e:
print(f"读取文件失败: {e}")
return []
subtitle_blocks = re.split(r'\n\n', srt_content)
subtitles = []
for block in subtitle_blocks:
lines = block.strip().split('\n')
if len(lines) >= 3:
try:
index = int(lines[0])
timestamp = lines[1]
text = '\n'.join(lines[2:])
subtitles.append({'index': index, 'timestamp': timestamp, 'text': text})
except ValueError:
print(f"警告：无法解析字幕块：\n{block}")
return subtitles
else:
print("无法检测文件编码。")
return []
# 示例用法
srt_file = 'example.srt'
subtitles = parse_srt_with_encoding(srt_file)
for subtitle in subtitles:
print(f"序号: {subtitle['index']}")
print(f"时间戳: {subtitle['timestamp']}")
print(f"字幕: {subtitle['text']}")
print("-" * 20)首先安装
chardet:
pip install chardet。
detect_encoding函数使用
chardet.detect来猜测文件的编码。然后，
parse_srt_with_encoding函数使用检测到的编码来读取文件。 如果
chardet无法检测到编码，则返回一个空列表。
如何提取特定时间段内的字幕？
要在Python中提取特定时间段内的字幕，首先需要将时间戳转换为可比较的格式，然后筛选出符合条件的字幕。
import re
from datetime import datetime, timedelta
def parse_timestamp(timestamp_str):
"""
将SRT时间戳字符串转换为timedelta对象。
"""
try:
hours, minutes, seconds_milliseconds = timestamp_str.split(':')
seconds, milliseconds = seconds_milliseconds.split(',')
return timedelta(hours=int(hours), minutes=int(minutes), seconds=int(seconds), milliseconds=int(milliseconds))
except ValueError as e:
print(f"时间戳解析错误: {timestamp_str} - {e}")
return None
def extract_subtitles_by_time(srt_file, start_time, end_time):
"""
提取指定时间段内的字幕。
"""
subtitles = parse_srt(srt_file) # 使用之前定义的parse_srt函数
start_time_delta = parse_timestamp(start_time)
end_time_delta = parse_timestamp(end_time)
if not start_time_delta or not end_time_delta:
print("时间戳格式错误，请使用HH:MM:SS,MS格式。")
return []
extracted_subtitles = []
for subtitle in subtitles:
try:
timestamp_parts = subtitle['timestamp'].split(' --> ')
subtitle_start_time = parse_timestamp(timestamp_parts[0])
subtitle_end_time = parse_timestamp(timestamp_parts[1])
if not subtitle_start_time or not subtitle_end_time:
continue # 忽略无法解析的时间戳
if start_time_delta <= subtitle_start_time <= end_time_delta:
extracted_subtitles.append(subtitle)
except Exception as e:
print(f"处理字幕块时发生错误: {subtitle} - {e}")
return extracted_subtitles
# 示例用法
srt_file = 'example.srt'
start_time = '00:00:10,000'
end_time = '00:00:20,000'
extracted_subtitles = extract_subtitles_by_time(srt_file, start_time, end_time)
print(f"提取 {start_time} 到 {end_time} 时间段内的字幕:")
for subtitle in extracted_subtitles:
print(f"序号: {subtitle['index']}")
print(f"时间戳: {subtitle['timestamp']}")
print(f"字幕: {subtitle['text']}")
print("-" * 20)这段代码首先定义了一个
parse_timestamp函数，用于将 SRT 文件中的时间戳字符串转换为
timedelta对象，方便进行比较。然后，
extract_subtitles_by_time函数使用
parse_srt函数解析 SRT 文件，并将时间戳转换为
timedelta对象。 它遍历字幕，检查字幕的开始时间是否在指定的时间范围内。 如果是，则将其添加到结果列表中。
如何将提取的字幕保存到新的SRT文件？
将提取的字幕保存到新的SRT文件，需要按照SRT文件的格式重新组织数据，并写入文件。
def save_subtitles_to_srt(subtitles, output_file):
"""
将字幕列表保存到SRT文件。
"""
try:
with open(output_file, 'w', encoding='utf-8') as f:
for subtitle in subtitles:
f.write(str(subtitle['index']) + '\n')
f.write(subtitle['timestamp'] + '\n')
f.write(subtitle['text'] + '\n\n')
print(f"字幕已保存到 {output_file}")
except Exception as e:
print(f"保存字幕失败: {e}")
# 示例用法
srt_file = 'example.srt'
start_time = '00:00:10,000'
end_time = '00:00:20,000'
extracted_subtitles = extract_subtitles_by_time(srt_file, start_time, end_time)
output_file = 'extracted_subtitles.srt'
save_subtitles_to_srt(extracted_subtitles, output_file)save_subtitles_to_srt函数接收一个字幕列表和一个输出文件路径作为参数。它遍历字幕列表，并将每个字幕按照 SRT 文件的格式写入到输出文件中。 注意，序号需要转换为字符串，并且每个字幕块之间需要添加空行。
