因此，最近，我继续尝试弄乱Matroska使用的EBML格式。我设定了一个目标，从二进制流按顺序解析MKV中的字幕。
我知道要使用的群集，块和轨道ID，并且能够轻松获得特定字幕轨道ID。
尝试解析文件的其余部分时问题开始。我知道字幕在块内散布在文件周围。这些块嵌套在一个块组内，该块组又在集群内。集群具有通用时间戳，并且块包含该时间戳的偏移量。
问题是...我似乎找不到一致的字幕。
当前，我正在做最简单的事情（绝对不是最优的，而且绝对不准确），在这里我解析每个群集，每个块组然后每个块，并检查该块是否包含磁道ID。然后，我将该块中的所有二进制数据转换为字符串（是）。然后我会期望的是，垃圾中的某个地方显示的是实际的字幕，因为该字幕是在该块中编码的二进制UTF-8。
现在，正如我所说，我使用集群ID，块组ID和块ID分割二进制流。但是我的第一个“想法”是，到底是如何检测到集群的末尾，或块组的末尾或块的末尾的？
因此，我开始阅读有关EBML的更多信息（我完全没有准备，只是来自matroska网站上的EBML ID表）。我发现EBML通过定义标签和其他方式在存储数据方面类似于XML。我想知道它是否类似于XML，而XML使用<tag></tag>格式表示字段的开头和结尾，那么EBML是否也这样做？是什么定义了EBML中集群的结尾或任何其他字段？群集ID的第二次出现可能是该群集的END吗？下一个群集是否从以下群集ID开始，并且介于两者之间的其他内容是否可能是其他内容？还是我现在想努力奋斗？
我可能错过了文档中的内容，但似乎找不到确切的答案。但是，我将自己对此进行测试，但是，如果这种方法不起作用，我希望在这里找到可以使我朝正确方向前进的答案。
谢谢！
答案 0 :(得分：1)
EBML实际上与XML不相似。 XML恰好在创建Matroska时就很流行，因此主要作者发现XML类比很有用，并且作为官方文档的一部分。
EBML中的元素由id-length-content编码组成，其中数值具有可变长度（1-8字节，由第一个字节中的多少个前导零位决定）。没有结束标记，也没有XML中的“属性”。
这种格式真的很难解析，因此最好使用现有的EBML解析器，甚至是MKV工具。端口适用于从C到Node.js和Python的所有流行编程语言。