为了学习英语,我把从网上下载下来的电影转换成纯MP3文件,放到iTouch里去了,这样就可以直接练习听力了,另外把下载下来的字幕也放进去,听不懂的时候可以看,但有一个问题,网上载下来的字幕格式都如下所示:
7
00:01:44,789 --> 00:01:51,019
片名:当幸福来敲门 / 追求幸福
8
00:02:49,469 --> 00:02:52,839
马上来了
Should be here soon.
9
00:03:38,819 --> 00:03:41,189
- 我想我该列个表 - 干嘛?
-I think I should make a list. -What do mean?
10
00:03:41,189 --> 00:03:43,789
- 想要的生日礼物? - 对呀
-For your birthday gifts? -Yeah.
如上,但存在两个问题:1、每一句前面都带有数字编号;2、带有时间戳;
我只想要里面的中英文文本,数字编号和时间戳都不需要。由于最近正在学习Python当然首先就想到了做个Python脚本来把时间戳和编号删掉。实现很简单,基本思路就是使用正则表达式匹配,把空行、纯数字行及带有“-->”的行删掉,然后再先回文本文件。
完成后的代码如下:
# -*- coding: utf-8 -*-
# code=cp936
import string, re
title_txt = open('I://pursuit_for_happiness(c