# Python应用-vtt字幕转srt字幕

文章为原创手写,如需转发请贴上原文地址,谢谢!

# 应用场景

今天下载了一堆mp4视频,但是字幕是vtt格式的,发现这是web html5比较常用的字幕格式,本地播放器的话用的还是srt多一点。两个文件打开对比了下发现差别也不是很大,为了后面定制化地适应新的需求,决定写一个Python的脚本。

# 明确需求

看下vtt的文件:

vtt文件格式

看下srt的文件:

srt文件格式

# 分析差异

  • vtt文件是WEBVTT开头,srt没有
  • srt没个段落开头都有一个序号,vtt没有
  • srt以","为分隔符,vtt以"."为分隔符。关于这点不知道两个格式的标准也在进化,我刚开始并没有替换"."也能使用。srt用"."作为分隔符也没有问题。

# 以下为实现代码

import os
import re


def traverseFolder(targetFolder):
    if(targetFolder[-1]==os.path.sep):
        targetFolder=targetFolder[0:-1]
    for root, dirs, files in os.walk(targetFolder):
        for oneFile in files:
            vtt2srt(root+os.path.sep+oneFile)

def vtt2srt(filePath):
    fileSplitName=os.path.splitext(filePath)
    if(fileSplitName[1]==".vtt"):
        print("Processing with file:    "+filePath)
        with open(filePath,"r",encoding="utf-8") as fin:
            fileContent=fin.readlines()
            lineNum=2
            fileMaxLineNum=len(fileContent)
            with open(fileSplitName[0]+".srt","w",encoding="utf-8") as fout:
                fout.write("1\n")
                for i in range(2,fileMaxLineNum):
                    if(fileContent[i].strip().isdigit()):
                        continue
                    #tempStr=fileContent[i].replace(".",",")
                    if re.match(r"(\d\d:\d\d:)",fileContent[i])==None :
                        fout.write(re.sub(r"(\d\d:)",lambda m:"00:"+m.group(0),fileContent[i]))
                    else:
                        fout.write(fileContent[i])

                    if(fileContent[i].strip()=="" and i+1<fileMaxLineNum and fileContent[i+1].strip()!=""):
                        fout.write(str(lineNum)+"\n")
                        lineNum+=1


targetFolder=input("请输入一个目录:")
traverseFolder(targetFolder)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38

traverseFolder函数是遍历文件夹获得所有文件的。
vtt2srt函数是做具体转换处理的。