正则表达式 处理srt

Posted 2020-09-20 jackvub

处理srt的<font  color ="" > 所用的正则表达式为 <.*?>  而不是<.*>?

 

目标： 1 删除序号行  序号行只有一个数字代表scription片段的编号， 数字可能是一位也可能是多位

　　　2删除time stamp 行， 该行的标志是 00:00:21,660 --> 00:00:26,640

　　　3 删除空白行  

        4 删除格式控制注释  标志 Laura Boyd</font><font color="#E5E5E5"> I‘m a</font>

解决方案：

删除序号行与time stamp 行

^\d.*\s*\n可以同时删除行号 和time stamp

删除空白行

^\s*\n

删除格式控制注释

<.*?>

再加上正则表达式的  或 语句 | ，把三条语句结合到一块   

^\d.*\s*\n|^\s*\n|<.*?>

 

或语句 参照  http://www.nowamagic.net/librarys/veda/detail/1265

 

要点解析：

\n 和$的功能不同，用\n可以删除行，$ 不行

^\d.*\s*\n

^ 表示行开头 \d表示一位数字，.*表示任意长度字符 \s*表示任意长度，任意类型空格 \n换行  所以这句话为 每行由行首至换行内部，一个数字起始，后接任意长度字符，再接任意长度空格

^\s*\n由行首至换行，内部仅有任意长度空格

<.*?>  尖括号内部由任意长度字符串，？为最短匹配  

 

 

以下为试验版本，可看可不看

 

^\d{2}:.*  匹配time stamp  00:00:36,090 --> 00:00:40,260

 

^\d*\s*$

 

 

^\s*\n ^\s*$是有区别的，前者可以删除空行，后者只能匹配，不能删除