.vtt文件的

Question

我希望循环遍历现有的.vtt文件，并将提示数据读取到数据库中。

.vtt文件的格式如下：

WEBVTT FILE

line1
00:00:00.000 --> 00:00:10.000
‘Stuff’

line2
00:00:10.000 --> 00:00:20.000
Other stuff
Example with 2 lines

line3
00:00:20.00 --> 00:00:30.000
Example with only 2 digits in milliseconds

line4
00:00:30.000 --> 00:00:40.000
Different stuff

00:00:40.000 --> 00:00:50.000
Example without a head line

最初，我试图使用^和$来对类似于：/^(\w*)$^(\d{2}):(\d{2}):(\d{2})\.(\d{2,3}) --> (\d{2}):(\d{2}):(\d{2})\.(\d{2,3})$^(.+)$/ims的代码进行严格的约束，但我在regex检查器中很难做到这一点，并求助于使用\s来处理行的开始/结束。

目前，我正在使用以下正则表达式：/(.*)\s(\d{2}):(\d{2}):(\d{2})\.(\d{2,3}) --> (\d{2}):(\d{2}):(\d{2})\.(\d{2,3})\s(.+)/im

这部分使用了在线regex检查器，如：https://regex101.com/r/mmpObk/3 (本例没有提取多行字幕，但得到了第一行，这一点对我来说已经足够好了，因为目前所有字幕都是1行)。但是，如果将其放入php (preg_match_all("/(.*)\s(\d{2}):(\d{2}):(\d{2})\.(\d{2,3}) --> (\d{2}):(\d{2}):(\d{2})\.(\d{2,3})\s(.+)/mi", $fileData, $matches))并转储结果，就会得到一个空数组。

在线regex和php之间可能有什么不同？

谢谢您的建议。

编辑--下面是$fileData的转储和$matches的转储：

string(341) "WEBVTT FILE

line1
00:00:00.000 --> 00:00:10.000
‘Stuff’

line2
00:00:10.000 --> 00:00:20.000
Other stuff
Example with 2 lines

line3
00:00:20.00 --> 00:00:30.000
Example with only 2 digits in milliseconds

line4
00:00:30.000 --> 00:00:40.000
Different stuff

00:00:40.000 --> 00:00:50.000
Example without a head line"

array(11) {
    [0]=>
        array(0) {}
    [1]=>
        array(0) {}
    [2]=>
        array(0) {}
    [3]=>
        array(0) {}
    [4]=>
        array(0) {}
    [5]=>
        array(0) {}
    [6]=>
        array(0) {}
    [7]=>
        array(0) {}
    [8]=>
        array(0) {}
    [9]=>
        array(0) {}
    [10]=>
        array(0) {}
}

Answer 1

正则表达式的问题是行结束处理很差。

您在结尾处有一个：\s(.+)/mi。

这只匹配一个空白，但换行符可以是1或2个空格。

要修复它，可以使用\R(.+)/mi。

它在网站上工作，因为它正在将您的新行规范化为Linux样式的新行。

也就是说，Windows风格的换行符是\r\n (2个字符)，Linux风格的是\n (1个字符).

或者，您可以尝试使用这个正则表达式：

/(?:line(\d+)\R)?(\d{2}(?::\d{2}){2}\.\d{2,3})\s*-->\s*(\d{2}(?::\d{2}){2}\.\d{2,3})\R((?:[^\r\n]|\r?\n[^\r\n])*)(?:\r?\n\r?\n|$)/i

看上去很可怕，但很管用。

注意:我在\R和\r\n之间交换，因为\R匹配[]中的文字R。

这些数据如下所示：

1. 行号(如果有)
2. 初始时间戳
3. 最后时间戳
4. 多行文本

你可以在https://regex101.com/r/Yk8iD1/1上试试

您可以使用方便的代码生成器工具生成以下PHP：

$re = '/(?:line(\d+)\R)?(\d{2}(?::\d{2}){2}\.\d{2,3})\s*-->\s*(\d{2}(?::\d{2}){2}\.\d{2,3})\R((?:[^\r\n]|\r?\n[^\r\n])*)(?:\r?\n\r?\n|$)/i';
$str = 'WEBVTT FILE

line1
00:00:00.000 --> 00:00:10.000
‘Stuff’

line2
00:00:10.000 --> 00:00:20.000
Other stuff
Example with 2 lines

line3
00:00:20.00 --> 00:00:30.000
Example with only 2 digits in milliseconds

line4
00:00:30.000 --> 00:00:40.000
Different stuff

00:00:40.000 --> 00:00:50.000
Example without a head line';

preg_match_all($re, $str, $matches, PREG_SET_ORDER, 0);

// Print the entire match result
var_dump($matches);

你可以在http://sandbox.onlinephpfunctions.com/code/7f5362f56e912f3504ed075e7013071059cdee7b上测试它