使用Python3读取srt（字幕）文件

Question

我希望能够使用python3读取srt文件。

可在此处找到这些文件：   http://www.opensubtitles.org/

有了这里的信息：   http://en.wikipedia.org/wiki/SubRip

Subrip支持任何编码：例如ascii或unicode。

如果我理解正确，那么我需要指定当我使用pythons read函数时使用哪个解码器。所以我说得对，我需要知道如何对文件进行编码才能做出判断？如果是这样的话，如果我有一百个具有不同来源和语言支持的文件，我如何为每个文件建立该文件？

最终我更愿意，如果我可以转换文件，以便它们都以utf-8编码开始。但是我知道这些文件中的一些可能是一些模糊的编码。

请帮忙，

百里

Answer 1

您可以使用charade package（以前为chardet）来检测编码。

Answer 2

您可以在每个.srt文件的开头检查byte order mark以测试编码。但是，这可能不适用于所有文件，因为它不是必需属性，并且仅在UTF文件中指定。可以通过

进行检查

testStr = b'\xff\xfeOtherdata'

if testStr[0:2] == b'\xff\xfe':
    print('UTF-16 Little Endian')
elif testStr[0:2] == b'\xfe\xff':
    print('UTF-16 Big Endian')
#...

您可能想要做的只是打开文件，然后将从文件中提取的任何内容解码为unicode，处理unicode表示直到您准备好打印，然后再将其编码回来。有关更多信息，请参阅this talk，以及可能相关的代码示例。

Answer 3

还有一个像样的库来处理SRT文件：

https://pypi.python.org/pypi/pysrt

您可以在打开和写入SRT文件时指定编码。