抓取xml文件的工作就不多说了，很简单的事，只要在播放页面看看源文件就能确定xml文件的地址进行抓取了。
本文主要是讲述xml内的弹幕转字幕的过程。
除去xml文件开头结尾的一些七七八八的东西，弹幕主体是这样的：
<d p="51.593,5,25,16711680,1408852480,0,7fa769b4,576008622">怒求 up 自己配音！</d>
<d p="10.286,1,25,16777215,1408852600,0,a3af4d0d,576011065">颜艺？</d>
<d p="12.65,1,25,16777215,1408852761,0,24570b5a,576014281">我的女神！</d>
<d p="19.033,1,25,16777215,1408852789,0,cb20d1c7,576014847">前！！！</d>
<d p="66.991,1,25,16777215,1408852886,0,a78e484d,576016806">已撸</d>如果它把弹幕的各种属性分开表示，我就用encoding/xml包来解码，但是丫把弹幕的属性都放在p里面了，所以我使用正则表达式来提取的。
以上表第一条弹幕为例。很明显的，p属性开始的浮点数，与播放时一比对，就能知道，表示的是弹幕应该出现的播放时间。
随后的1和25先不管；
16777215，目测应该是颜色（因为该值表示为十六进制是FFFFFF）；
1408852480，在弹幕中是递增的，感觉应该是个unix时间，用这个数（d），求：d/86400/365.2425+1970，结果约为2014.6。看来确实是unix时间。估计是创建弹幕的时间。
0，不知道，抓取了很多视频的弹幕，这个位置都是0，暂且不管它。
7fa769b4，估计是创建者的ID，因为同一xml文件会出现多次，而且看起来是十六进制数，恰好有些hash函数就是返回4字节整数。
576008622，也是递增的，不用猜也知道，这个肯定就是弹幕的ID了。
事后再核对一下，果然，1代表弹幕的类型（从右向左移动啊，出现在下方或者上方啊……），25是字体大小，16777125是字体颜色。
所以，我们就只要捕获每条弹幕的时间、类型、大小、颜色、文本就行了。
正则表达式：
<d\sp="([\d\.]+),([145]),(\d+),(\d+),\d+,\d+,\w+,\d+">([^<>]+?)</d>关于这个算法我就很坑爹的弄了个乱七八糟的算法，采用的是固定移动速度，最小重叠的排布原则。
对游动弹幕，会倾向于选择下面一行的位置，如果会重叠，则选择更下一行（最低行会循环到最上面一行），如果没有不重叠的行，会选择重叠文本最少的行。
对上现隐/下现隐的固定弹幕，会选择最接近上方/下方，且不重叠的行；如果没有不重叠的行，则选择重叠时间最短的行，居中放置字幕。
默认字体微软雅黑，默认大小25，默认白色黑边；默认占满整个屏幕，共计12行；默认屏幕大小640x360。
这么弄，主要是为了让ass字幕的效果更接近原始弹幕的效果。
高级弹幕真的超出我的能力范围了，全部忽略掉。
go源代码如下：
// 将bilibili的xml弹幕文件转换为ass字幕文件。
// xml文件中，弹幕的格式如下：
// <d p="32.066,1,25,16777215,1409046965,0,017d3f58,579516441">地板好评</d>
// p的属性为时间、弹幕类型、字体大小、字体颜色、创建时间、？、创建者ID、弹幕ID。
// p的属性中，后4项对ass字幕无用，舍弃。被<d>和</d>包围的是弹幕文本。
// 只处理右往左、上现隐、下现隐三种类型的普通弹幕。
package main
import (
"fmt"
"io"
"io/ioutil"
"math"
"os"
"regexp"
"sort"
"strconv"
"strings"
)
// ass文件的头部
const header = `[Script Info]
ScriptType: v4.00+
Collisions: Normal
playResX: 640
playResY: 360
[V4+ Styles]
Format: Name, Fontname, Fontsize, primaryColour, SecondaryColour, OutlineColour, BackColour, Bold, Italic, Underline, StrikeOut, ScaleX, ScaleY, Spacing, Angle, BorderStyle, Outline, Shadow, Alignment, MarginL, MarginR, MarginV, Encoding
Style: Default, Microsoft YaHei, 28, &H00FFFFFF, &H00FFFFFF, &H00000000, &H00000000, 0, 0, 0, 0, 100, 100, 0.00, 0.00, 1, 1, 0, 2, 10, 10, 10, 0
[Events]
Format: Layer, Start, End, Style, Name, MarginL, MarginR, MarginV, Effect, Text
`
// 正则匹配获取弹幕原始信息
var line = regexp.MustCompile(`<d\sp="([\d\.]+),([145]),(\d+),(\d+),\d+,\d+,\w+,\d+">([^<>]+?)</d>`)
// 用来保管弹幕的信息
type Danmu struct {
text string
time float64
kind byte
size int
color int
}
// 使[]Danmu实现sort.Interface接口，以便排序
type Danmus []Danmu
func (d Danmus) Len() int {
return len(d)
}
func (d Danmus) Less(i, j int) bool {
return d[i].time < d[j].time
}
func (d Danmus) Swap(i, j int) {
d[i], d[j] = d[j], d[i]
}
// 将正则匹配到的数据填写入Danmu类型里
func fill(d *Danmu, s [][]byte) {
d.time, _ = strconv.ParseFloat(string(s[1]), 64)
d.kind = s[2][0] - '0'
d.size, _ = strconv.Atoi(string(s[3]))
bgr, _ := strconv.Atoi(string(s[4]))
d.color = ((bgr >> 16) & 255) | (bgr & (255 << 8)) | ((bgr & 255) << 16)
d.text = string(s[5])
}
// 返回文本的长度，假设ascii字符都是0.5个字长，其余都是1个字长
func length(s string) float64 {
l := 0.0
for _, r := range s {
if r < 127 {
l += 0.5
} else {
l += 1
}
}
return l
}
// 生成时间点的ass格式表示：`0:00:00.00`
func timespot(f float64) string {
h, f := math.Modf(f / 3600)
m, f := math.Modf(f * 60)
return fmt.Sprintf("%d:%02d:%05.2f", int(h), int(m), f*60)
}
// 读取文件并获取其中的弹幕
func open(name string) ([]Danmu, error) {
data, err := ioutil.ReadFile(name)
if err != nil {
return nil, err
}
dan := line.FindAllSubmatch(data, -1)
ans := make([]Danmu, len(dan))
for i := len(dan) - 1; i >= 0; i-- {
fill(&ans[i], dan[i])
}
return ans, nil
}
// 将弹幕排布并写入w，采用的简单的固定移速、最小重叠排布算法
func save(w io.Writer, dans []Danmu) {
p1 := make([]float64, 36)
p2 := make([]float64, 36)
p3 := make([]float64, 36)
t := 0
max := func(x []float64) float64 {
i := x[0]
for _, j := range x[1:] {
if i < j {
i = j
}
}
return i
}
set := func(x []float64, f float64) {
for i, _ := range x {
x[i] = f
}
}
find := func(p []float64, f float64, i, d int) int {
i = (i/d + 1) * d % 36
m, k := f+10000, 0
for j := 0; j < 36; j += d {
t := (i + j) % 36
if n := max(p[t : t+d]); n <= f {
k = t
break
} else if m > n {
k = t
m = n
}
}
return k
}
for _, dan := range dans {
s, l := "", length(dan.text)
if l == 0 {
continue
}
switch {
case dan.size < 25:
dan.size, l, s = 2, l*18, "\\fs18"
case dan.size == 25:
dan.size, l = 3, l*28
case dan.size > 25:
dan.size, l, s = 4, l*38, "\\fs38"
}
if dan.color != 0x00FFFFFF {
s += fmt.Sprintf("\\c&H%06X", dan.color)
}
switch dan.kind {
case 1: // 右往左
t := find(p1, dan.time, t, dan.size)
set(p1[t:t+dan.size], dan.time+8)
h := (t+dan.size)*10 - 1
s += fmt.Sprintf("\\move(%d,%d,%d,%d)", 640+int(l/2), h, -int(l/2), h)
fmt.Fprintf(w, "Dialogue: 1,%s,%s,Default,,0000,0000,0000,,{%s}%s\n",
timespot(dan.time+0),
timespot(dan.time+8), s, dan.text)
case 4: // 下现隐
j := find(p2, dan.time, 35, dan.size)
set(p2[j:j+dan.size], dan.time+4)
s += fmt.Sprintf("\\pos(%d,%d)", 320, (36-j)*10-1)
fmt.Fprintf(w, "Dialogue: 2,%s,%s,Default,,0000,0000,0000,,{%s}%s\n",
timespot(dan.time+0),
timespot(dan.time+4), s, dan.text)
case 5: // 上现隐
j := find(p3, dan.time, 35, dan.size)
set(p3[j:j+dan.size], dan.time+4)
s += fmt.Sprintf("\\pos(%d,%d)", 320, (j+dan.size)*10-1)
fmt.Fprintf(w, "Dialogue: 3,%s,%s,Default,,0000,0000,0000,,{%s}%s\n",
timespot(dan.time+0),
timespot(dan.time+4), s, dan.text)
}
}
}
// 主函数，实现了命令行
func main() {
if len(os.Args) <= 1 {
os.Exit(0)
}
for _, name := range os.Args[1:] {
dans, err := open(name)
if err != nil {
os.Exit(1)
}
if n := strings.LastIndex(name, "."); n != -1 {
name = name[:n]
}
name += ".ass"
file, err := os.Create(name)
if err != nil {
os.Exit(2)
}
file.WriteString(header)
sort.Sort(Danmus(dans))
save(file, dans)
file.Close()
}
}
2014.9.2 9:30am更新：对字体排布进行了修正。
2014.9.2 9:50am更新：算法修改为固定出现时间，最小重叠排布，最终版本。
over。欢迎各位评论，倒不如各位多多评论啊。
扫一扫
4万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
