中国大学MOOC 视频字幕获取及处理方法

最近上课需要做笔记，但是，一句句的抄字幕工作量有点大，于是查找了一此方法，尝试成功，在此记录下下：

1、首先，打开你所要下载字幕的视频，如 https://www.icourse163.org/learn/NUDT-1003101005?tid=1003312002#/learn/content?type=detail&id=1004836185&sm=1

2、在当前页面按F12键，然后点击network，接着按ctrl+F会出来一个搜索框，然后在当前页面按F5刷新该页面（也可以点击浏览器的刷新按钮）

3、在搜索框中输入：downloadVideoSrt.htm，进行搜索，会得到如下结果，双击搜索到的链接，右边会显示一条黄色代码，复制url后的地址到浏览器中即可下载该视频的字幕文件，一般为txt文件。

4、得到字幕之后，将其重命名为如下格式：

例如，将（2）所示课程对应的字幕文件重命名为3-3-1.txt，表示第3讲第3小节的第一个视频字幕文件（本小节共有2个视频），字幕内容如右所示，接下来我将用python提取其中的字幕，去掉其他部分。具体程序如下：

import re

jiang = 3     # 定义是第几讲
xiaojie = 1   # 定义是第几小节课
fileNum = 2     # 定义本节共有几个视频文件，将这些文件中的字幕提取到一起

resultContent = "第"+str(jiang)+"讲-第"+str(xiaojie)+"节\n"
newFile = "E:\\new\\第" + str(jiang) + "讲-第" + str(xiaojie) + "节字幕.txt"
print(newFile)
fnew = open(newFile, "w+", encoding="utf-8")
for i in range(1, fileNum+1):
    fileName = str(jiang)+"-"+str(xiaojie)+"-"+str(i)+".txt"
    oldfile = "E:\\source\\" + fileName
    f = open(oldfile,encoding="utf-8")
    line = f.readline()
    fileContent = ""
    while(line):
        try:    # 如果本行只有数字，则跳过本行，继续处理一下行
            int(line)
            line = f.readline()
            continue
        except ValueError:
            pass
        line = re.sub(r'\d{2}:\d{2}:\d{2},\d+', '', line)
        # line= re.sub(r'\d+\n', '', line)
        line = line.replace("-->", "").replace("\n", "")
        fileContent = fileContent + line
        line = f.readline()
    resultContent = resultContent + fileContent + "\n\n"

print("resultContent" + resultContent)
fnew.write(resultContent)

f.close()
fnew.close()

简单处理后的结果如下：

同时会将每一小节的输出内容写入txt文档中，保存在E:\new路径（也可以另外指定其他路径）下，然后将本讲的所有小节内容手动将其复制到word中（因为python自动生成wrod文档的话会出现格式问题）。

若在下有可以帮到的地方或您有更好的优化方法，欢迎留言建议。