srt字幕解析

Question

我想解析srt字幕：

    1
    00:00:12,815 --> 00:00:14,509
    Chlapi, jak to jde s
    těma pracovníma světlama?.

    2
    00:00:14,815 --> 00:00:16,498
    Trochu je zesilujeme.

    3
    00:00:16,934 --> 00:00:17,814
    Jo, sleduj.

每一件物品都有了结构。通过这个regexs：

答：

RE_ITEM = re.compile(r'(?P<index>\d+).'
    r'(?P<start>\d{2}:\d{2}:\d{2},\d{3}) --> '
    r'(?P<end>\d{2}:\d{2}:\d{2},\d{3}).'
    r'(?P<text>.*?)', re.DOTALL)

B：

RE_ITEM = re.compile(r'(?P<index>\d+).'
    r'(?P<start>\d{2}:\d{2}:\d{2},\d{3}) --> '
    r'(?P<end>\d{2}:\d{2}:\d{2},\d{3}).'
    r'(?P<text>.*)', re.DOTALL)

这个代码是：

    for i in Subtitles.RE_ITEM.finditer(text):
    result.append((i.group('index'), i.group('start'), 
             i.group('end'), i.group('text')))

对于代码B，我在数组中只有一个项(因为贪婪的.*)，而对于代码A，由于没有贪婪的.*，我有空的'text‘。

怎么治好这个？

谢谢

Answer 1

文本后面是空行，或者是文件的末尾。所以你可以使用：

r' .... (?P<text>.*?)(\n\n|$)'

Answer 2

为什么不使用比斯特

Answer 3

我对用于Python的srt库感到非常沮丧(通常是因为它们是重量级的，并且避免使用语言标准类型来支持自定义类)，所以我花了大约一年的时间来开发我自己的srt库。你可以在https://github.com/cdown/srt买到。

我试着在类中保持简单和轻巧(除了核心字幕类，它或多或少只是存储SRT块数据)。它可以读写SRT文件，并将不兼容的SRT文件转换为兼容的SRT文件。

下面是一个使用示例输入的示例：

>>> import srt, pprint
>>> gen = srt.parse('''\
... 1
... 00:00:12,815 --> 00:00:14,509
... Chlapi, jak to jde s
... těma pracovníma světlama?.
... 
... 2
... 00:00:14,815 --> 00:00:16,498
... Trochu je zesilujeme.
... 
... 3
... 00:00:16,934 --> 00:00:17,814
... Jo, sleduj.
... 
... ''')
>>> pprint.pprint(list(gen))
[Subtitle(start=datetime.timedelta(0, 12, 815000), end=datetime.timedelta(0, 14, 509000), index=1, proprietary='', content='Chlapi, jak to jde s\ntěma pracovníma světlama?.'),
 Subtitle(start=datetime.timedelta(0, 14, 815000), end=datetime.timedelta(0, 16, 498000), index=2, proprietary='', content='Trochu je zesilujeme.'),
 Subtitle(start=datetime.timedelta(0, 16, 934000), end=datetime.timedelta(0, 17, 814000), index=3, proprietary='', content='Jo, sleduj.')]