用Python3读取srt (字幕)文件

Question

我希望能够用python3读取srt文件。

可以在以下位置找到这些文件：http://www.opensubtitles.org/

这里有信息：http://en.wikipedia.org/wiki/SubRip

Subrip支持任何编码:例如ascii或unicode。

如果我理解正确，那么当我使用pythons read函数时，我需要指定使用哪个解码器。那么，为了做出判断，我需要知道文件是如何编码的，这样说对吗？如果是这样的话，如果我有一百个具有不同来源和语言支持的这样的文件，我该如何为每个文件建立它呢？

最终，我希望我可以转换这些文件，这样它们一开始都是utf-8编码。但据我所知，其中一些文件可能是某种晦涩的编码。

请帮帮我

巴里

Answer 1

您可以使用charade package (以前的chardet)来检测编码。

Answer 2

您可以在每个.srt文件的开头检查byte order mark，以测试编码。然而，这可能并不适用于所有文件，因为它不是必需的属性，而且只在UTF文件中指定。可以通过以下方式执行检查

testStr = b'\xff\xfeOtherdata'

if testStr[0:2] == b'\xff\xfe':
    print('UTF-16 Little Endian')
elif testStr[0:2] == b'\xfe\xff':
    print('UTF-16 Big Endian')
#...

您可能只需要打开文件，然后将从文件中提取的任何内容解码为unicode，处理unicode表示，直到您准备好打印，然后再次对其进行编码。有关更多信息，请参阅this talk，以及可能相关的代码示例。

Answer 3

还有一个用于处理SRT文件的不错的库：

https://pypi.python.org/pypi/pysrt

您可以在打开和写入SRT文件时指定编码。