如何自动检测srt字幕文件的编码

Question

我这里有一个产品，有弱点，在自动检测编码的srt字幕文件相比，竞争对手。我可以自动检测smi文件的编码，因为它的头中有语言信息。但是对于srt，我不能这样做。如何将此自动检测应用于srt文件？任何好的参考资料，例如关于算法，我可以学习作为我的第一步，将不胜感激。仅供参考，我的产品应该支持西欧，中欧，西里尔字母，希腊语，土耳其语，希伯来语，阿拉伯语，波罗的海语，韩语，中文，中文，越南，泰语。

Answer 1

有很多工具可以检测文本文件(例如srt文件)的字符集。例如，在Linux计算机的命令行中，您可以使用chardet：

chardet subtile_file_name.srt

此实用程序应事先与pip (Python安装程序)一起安装。在Ubuntu中：

sudo apt-get install python-pip
pip install chardet

如果你需要在你的应用程序中集成一个检测器，也有开放的库来完成这项工作。例如，在我用Java语言实现的工具DualSub中，我使用了juniversalchardet。