如何从 SubRip .srt 文件中仅提取文本（剥离时间码）？

Posted 2023-03-07

【中文标题】如何从 SubRip .srt 文件中仅提取文本（剥离时间码）？

【英文标题】：How can I extract only the text (stripping out timecodes) from SubRip .srt files?

【发布时间】：2014-09-17 10:31:31

【问题描述】：

我想仅使用字幕中的文本进行进一步处理。

所以，打开一个 srt 文件会加载这个

1
00:00:10,500 --> 00:00:13,000
Elephant's Dream

2
00:00:15,000 --> 00:00:18,000
At the left we can see...

然后，在剥离/提取之后，结果将是

Elephant's Dream
At the left we can see...

我想去掉所有编号和时间码，因此输出将仅包含与原始字幕完全相同顺序的纯文本，并将结果存储在变量中以供进一步处理。

public void open_file()

    JFileChooser filechooser = new JFileChooser();
    filechooser.setFileSelectionMode(JFileChooser.FILES_ONLY);
    int i  = filechooser.showOpenDialog(this);
    if (i == filechooser.CANCEL_OPTION)
        return;
    File OpenFile = filechooser.getSelectedFile();
    if (OpenFile  == null || OpenFile.getName().equals(""))
    
        JOptionPane.showMessageDialog(this, "choose file", "Error", JOptionPane.ERROR_MESSAGE);
        return;
    
    try 
        BufferedReader bufferedreader = new BufferedReader(new FileReader(BukaFile));
        StringBuffer stringbuffer = new StringBuffer();
        String Row;
        while ((Row = bufferedreader.readLine()) != null) stringbuffer.append(Row+"\n");
        textArea.setText(stringbuffer.toString());
        String SubText = textArea.getText();
     catch (FileNotFoundException ex) 
         JOptionPane.showMessageDialog(null, "File not found" + ex);
     catch (IOException ex)
            
                JOptionPane.showMessageDialog(null, "IO Error"+ ex);
            

我已经创建了一个方法（如上）来打开和加载现有的 srt 文件并将其放入一个字符串（上面命名为 SubText）变量中。

要提取这些文本，我只知道我必须使用编号、时间码和空格作为起点和终点，但我不知道如何编码以检测文本中的这些编号和时间码.

我应该如何在 java 中完成这个？顺便说一句，我正在使用 Netbeans。

【问题讨论】：

你可以跳过前两行然后读一行，跳过 3 行，读一行，跳过 3 行等等。

好吧，问题是，有些文本有时不止一行，所以我不能一遍又一遍地“跳过 3 行”

【参考方案1】：

格式很简单，每个字幕都由一个空行分隔，因此您只需跳过前两行，然后阅读所有内容，直到出现空行。

所以用这样的东西替换你的while循环......

    while (...) 
        String lineNumber = bufferedReader.readLine();
        String time = bufferedReader.readLine();
        String text;
        while (!(text = bufferedReader.readLine()).equals(""))
            stringBuffer.append(text).append("\n");
    

请务必添加您自己的文件结尾检查。

【讨论】：

我的while循环用于在文本区域中写下未触及的srt，使用while循环读取和附加文本直到文件末尾（作为条件）。当我试图实现你的while循环以便我的while循环写下剥离的srt时，textarea只填充了空白行。我必须更改我的 while 条件吗？

糟糕！逻辑错误，应该是！equals（“”）。我现在已经更正了。

非常感谢先生 :) 成功了！顺便说一句，由于我的 while 循环条件，我只需要一个缓冲阅读器跳过。而且，您知道如何删除 srt 文件中的 html 标签吗？ （例如 或 ）

已经在这里回答***.com/questions/240546/…

我正在使用 Jsoup lib，并且我在字符串上使用了 parse 方法，但它什么也没做。我是否使用错误的方法来剥离 html 标签？