解析 youtube 字幕

我们在看 YouTube 视频的时候，经常有下载字幕的需求，一般会使用一些浏览器插件来帮助下载，但是这些插件经常会失效，又要重新去找其他的插件，很浪费时间。做为一个程序员，自己实现一个解析字幕的小程序还是不算难的。

第一步：找到视频对应的字幕

打开控制台，如上图

1. 选择 Network
2. XHR
3. 点击 timedtext 那一条
4. 点击右边 Response

这样就可以找到字幕文件了，把字幕复制到一个文件中，例如，subtitle.json

第二步：解析 json

格式分析

json 的格式是这样的

我们需要的就是里面的 events 对象，events 是一个数组对象，每一条对应一条字幕，包含字幕开始时间，时长及内容。
熟悉字幕的同学都知道字幕的格式

• 1 序号
• 00:00:10,120 --> 00:00:13,840 时间
• All of us, from a very early age 字幕内容
• 空行

接下需要处理的就是把 json 中的 events 转换成字幕格式，然后输出到一个文件中，例如，subtitle.srt。

处理思路：

• 字幕中的序号对应 events 数组的 index
• 开始时间对应 tStartMs 的值
• 结束时间对应 tStartMs + dDurationMs 的值
• 内容对应 segs 中的第一个元素

具体实现

我这里用的是 node.js 来处理文件，所以需要安装 node.js，安装方法这里就不详细说了，网上有很多。

1. 引入 fs 模块

   var fs = require('fs')
   

2. 处理 json

   fs.readFile(sourcePath, 'utf8', function (err, data) {
        if (err) console.log(err);
        var test1 = JSON.parse(data);//读取的值
        // console.log(test1.events)
        subtitle = test1.events
    
        // 下面写入文件使用的是追加，所以在写之前如果文件已经存在的话就清空一下
        // 避免执行多次后文件内的重复内容太多，关键是在调试的时候可能会忘记，然后就可能懵了
        if (fs.existsSync(resultPath)) {
            fs.writeFileSync(resultPath,'')
          }
        for (let i = 0; i < subtitle.length; i++) {
            const s = subtitle[i];
            // console.log(s.segs[0].utf8) //字幕内容
            // i ：字幕的位置
            // console.log(s.tStartMs) 起始时间
            // console.log(s.tStartMs + s.dDurationMs) 结束时间
    
            // 字幕格式
            // 1
            // 00:00:09,779 --> 00:00:15,899
            // 内容
            // 空行
    
            // 这个是生成标准的字幕文件
            if(isTime){
                fs.appendFileSync(resultPath,i + '\n' + convertTime(s.tStartMs) + ' --> ' + convertTime(s.tStartMs + s.dDurationMs)
                + '\n' + s.segs[0].utf8 + '\n\n',err => {
                    if(err){
                        console.log(err)
                    }
                }) 
            }else{ // 这个是生成纯文本内容，不带时间轴和序号
                fs.appendFileSync(resultPath,s.segs[0].utf8 + '\n\n',err => {
                    if(err){
                        console.log(err)
                    }
                }) 
            }
               
        }
    });
   

3. 处理时间的方法

   function convertTime(time) {
       var s, m, h
       h = Math.floor(time / 1000 / 60 / 60)
       console.log('h:' + h)
       m = Math.floor(((time / 1000 / 60 / 60) % 1) * 60)
       // console.log('m:' + m)
   
   
       s = ((((time / 1000 / 60 / 60) % 1) * 60) % 1) * 60// 通过与 1 取余获取小数部分
       s = s.toFixed(3)
       s = s.toString().replace('.', ',').substring(0, 6)
       console.log('s:' + s)
       if (h < 10) {
           h = '0' + h
       }
       if (m < 10) {
           m = '0' + m
       }
       var timeString = h + ':' + m + ':' + s
       // console.log(timeString)
       return timeString
   }
   

4. 运行脚本
   在终端输入

   node parse_subtitle.js
   

5. 当前目录下就会生成相应的字幕文件

PS:关注公众号 windymiao，回复 『字幕』获取完整源码