Question

我正在处理一个Web应用程序，它可以采用时间文本标记（TTML）或WebVTT格式的字幕文件。如果文件是Timed Text，我想将其翻译为WebVTT。这主要不是问题，我遇到的一个问题是，如果TTML将HTML作为文本内容的一部分，那么HTML标记就会被删除。

例如：

<p begin="00:00:08.18" dur="00:00:03.86">(Music<br />playing)</p>

结果：

(Musicplaying)

我使用的代码是：

private const string TIME_FORMAT = "hh\\:mm\\:ss\\.fff";
XmlDocument xmldoc = new XmlDocument();
xmldoc.Load(fileLocation);
XDocument xdoc = xmldoc.ToXDocument();
var ns = (from x in xdoc.Root.DescendantsAndSelf()
          select x.Name.Namespace).First();

List<TTMLElement> elements =
(
     from item in xdoc.Descendants(ns + "body").Descendants(ns + "div").Descendants(ns + "p")
     select new TTMLElement
     {
          text = item.Value,
          startTime = TimeSpan.Parse(item.Attribute("begin").Value),
          duration = TimeSpan.Parse(item.Attribute("dur").Value),
     }
).ToList<TTMLElement>();

StringBuilder sb = new StringBuilder();
sb.AppendLine("WEBVTT");
sb.AppendLine();

for (int i = 0; i < elements.Count; i++)
{
     sb.AppendLine(i.ToString());
     sb.AppendLine(elements[i].startTime.ToString(TIME_FORMAT) + " --> " + elements[i].startTime.Add(elements[i].duration).ToString(TIME_FORMAT));
     sb.AppendLine(elements[i].text);
     sb.AppendLine();
}

对于我缺少的内容或者是否有更好的方法来做任何想法，或者即使已经有将时间文本转换为WebVTT的解决方案，我们将不胜感激。感谢。

Answer 1

我终于回到了这个项目，我也找到了解决问题的方法。

本节首先：

from item in xdoc.Descendants(ns + "body").Descendants(ns + "div").Descendants(ns + "p")
    select new TTMLElement
    {
        text = item,
        startTime = TimeSpan.Parse(item.Attribute("begin").Value),
        endTime = item.Attribute("dur") != null ?
          TimeSpan.Parse(item.Attribute("begin").Value).Add(TimeSpan.Parse(item.Attribute("dur").Value)) :
          TimeSpan.Parse(item.Attribute("end").Value)
   }

item的类型为XElement，因此可以从中创建XmlReader对象，从而产生此函数：

private static string ReadInnerXML(XElement parent)
{
    var reader = parent.CreateReader();
    reader.MoveToContent();
    var innerText = reader.ReadInnerXml();
    return innerText;
}

为了我删除节点内部的html，我将函数修改为如下所示：

private static string ReadInnerXML(XElement parent)
{
    var reader = parent.CreateReader();
    reader.MoveToContent();
    var innerText = reader.ReadInnerXml();
    innerText = Regex.Replace(innerText, "<.+?>", " ");
    return innerText;
}

最后导致上面的lambda看起来像这样：

from item in xdoc.Descendants(ns + "body").Descendants(ns + "div").Descendants(ns + "p")
    select new TTMLElement
    {
        text = ReadInnerXML(item),
        startTime = TimeSpan.Parse(item.Attribute("begin").Value),
        endTime = item.Attribute("dur") != null ?
          TimeSpan.Parse(item.Attribute("begin").Value).Add(TimeSpan.Parse(item.Attribute("dur").Value)) :
          TimeSpan.Parse(item.Attribute("end").Value)
   }

Answer 2

Microsoft有一个生成两种格式的工具：

HTML5 Video Caption Maker

此演示允许您创建简单的视频字幕文件。首先以浏览器可以播放的格式加载视频。然后交替播放和暂停视频，为每个片段输入标题。

如果您为视频保存了WebVTT或TTML字幕文件，则可以加载，编辑现有细分的文本或附加新细分。

如果您想以编程方式执行此操作，other questions的答案可能有所帮助。

解析用于将时间文本标记转换为WebVTT的XML

2 个答案: