全面的Google Colab中.srt檔案處理Python腳本指南

高效篩選與調整字幕時段，支持多語言處理

關鍵要點

• 多語言支持：本腳本能夠處理中文、英文、日文等多語言字幕，確保廣泛應用性。
• 精確時段篩選：允許用戶指定多個時段，精確篩選並保留所需字幕內容。
• 時間點自動調整：自動重新賦予保留字幕的起訖時間點，生成新的.srt檔案。

---

腳本概述

本指南提供一個在Google Colab中運行的Python腳本，該腳本能夠讀取本機上的.srt字幕檔案，根據用戶指定的多個時段篩選字幕，刪除不需要的部分，並重新調整時間點。腳本支持中文、英文、日文等多語言字幕，並生成新的.srt檔案以供下載。

功能特點

多語言字幕支持

腳本支援UTF-8編碼，可處理多種語言的字幕，包括但不限於中文、英文、日文。這使得腳本適用於不同語言的影片內容，提升其使用範圍和靈活性。

精確的時段篩選與處理

用戶可以指定多個要保留的時段，腳本將僅保留這些時段內的字幕，並刪除其他不需要的部分。每個保留的時段將被單獨處理，確保字幕的時間點統一且連貫。

時間點自動調整與重新賦予

在刪除不需要的字幕後，腳本會自動重新調整保留字幕的起訖時間點，確保新的.srt檔案的時間軸連貫且邏輯一致。這對於編輯影片或僅保留特定內容的需求尤為重要。

Python腳本詳細解析

導入必要的庫

首先，腳本需要導入處理文件、正則表達式以及日期時間的相關庫，以便進行後續的處理。

import re
from datetime import timedelta
from google.colab import files

時間碼解析與格式化

腳本提供兩個函數，分別用於將時間碼轉換為毫秒，以及將毫秒轉換回標準的時間碼格式。

def time_to_ms(time_str):
    """將時間字串轉換為毫秒"""
    hours, minutes, seconds_milliseconds = time_str.split(':')
    seconds, milliseconds = seconds_milliseconds.split(',')
    total_ms = (int(hours) * 3600000 + int(minutes) * 60000 + int(seconds) * 1000 + int(milliseconds))
    return total_ms

def ms_to_time(ms):
    """將毫秒轉換為srt格式的時間字串"""
    hours = ms // 3600000
    ms %= 3600000
    minutes = ms // 60000
    ms %= 60000
    seconds = ms // 1000
    milliseconds = ms % 1000
    return f"{hours:02}:{minutes:02}:{seconds:02},{milliseconds:03}"

解析SRT檔案內容

透過正則表達式，腳本將.srt檔案內容分割為不同的字幕區塊，並提取每個字幕的序號、起訖時間及字幕文本。

def parse_srt(content):
    """解析srt內容並返回字幕列表"""
    pattern = r'(\\d+)\\n(\\d{2}:\\d{2}:\\d{2},\\d{3}) --> (\\d{2}:\\d{2}:\\d{2},\\d{3})\\n(.*?)(?=\\n\\d+\\n|\\Z)'
    subtitles = re.findall(pattern, content, re.DOTALL)
    subtitle_list = []
    for sub in subtitles:
        index, start, end, text = sub
        subtitle_list.append({
            'index': int(index),
            'start_ms': time_to_ms(start),
            'end_ms': time_to_ms(end),
            'text': text.strip()
        })
    return subtitle_list

篩選保留的字幕時段

用戶指定多個保留時段後，腳本將遍歷所有字幕，僅保留那些完全位於保留時段內的段落，並重新調整它們的時間點。

def filter_and_adjust_subtitles(subtitles, keep_ranges):
    """過濾字幕並調整時間"""
    kept_subs = []
    current_offset = 0
    for range_start, range_end in keep_ranges:
        range_start_ms = time_to_ms(range_start)
        range_end_ms = time_to_ms(range_end)
        for sub in subtitles:
            if sub['start_ms'] >= range_start_ms and sub['end_ms'] <= range_end_ms:
                new_start = sub['start_ms'] - range_start_ms + current_offset
                new_end = sub['end_ms'] - range_start_ms + current_offset
                kept_subs.append({
                    'index': len(kept_subs) + 1,
                    'start_ms': new_start,
                    'end_ms': new_end,
                    'text': sub['text']
                })
        current_offset += (range_end_ms - range_start_ms)
    return kept_subs

生成新的SRT內容

根據處理後的字幕列表，腳本生成新的.srt內容，並依照標準格式保存。

def generate_new_srt(subtitles):
    """生成新的srt內容"""
    srt_content = ""
    for sub in subtitles:
        srt_content += f"{sub['index']}\n"
        srt_content += f"{ms_to_time(sub['start_ms'])} --> {ms_to_time(sub['end_ms'])}\n"
        srt_content += f"{sub['text']}\n\n"
    return srt_content

主函數執行流程

主函數負責從本機上傳.srt檔案，接收用戶輸入的保留時段，處理並生成新的字幕檔案，最後提供下載鏈接。

def main():
    # 上傳srt檔案
    print("請上傳.srt檔案")
    uploaded = files.upload()
    filename = list(uploaded.keys())[0]
    with open(filename, "r", encoding="utf-8") as f:
        content = f.read()
    
    # 解析原始字幕
    subtitles = parse_srt(content)
    
    # 輸入要保留的時段
    print("\n請輸入要保留的時間範圍（格式：HH:MM:SS,mmm - HH:MM:SS,mmm）。輸入完成後輸入'done':")
    keep_ranges = []
    while True:
        time_input = input()
        if time_input.lower() == 'done':
            break
        try:
            start, end = map(str.strip, time_input.split('-'))
            keep_ranges.append((start, end))
        except ValueError:
            print("格式錯誤，請重新輸入。範例：00:02:15,000 - 00:02:40,000")
    
    # 過濾並調整字幕
    new_subtitles = filter_and_adjust_subtitles(subtitles, keep_ranges)
    
    # 生成新的srt內容
    new_content = generate_new_srt(new_subtitles)
    
    # 儲存並下載新的srt檔案
    new_filename = "output_" + filename
    with open(new_filename, "w", encoding="utf-8") as f:
        f.write(new_content)
    
    files.download(new_filename)

if __name__ == "__main__":
    main()

示例

假設原始字幕檔案內容如下：

1
00:00:59,002 --> 00:01:01,202
AA

2
00:02:15,045 --> 00:02:17,045
BB

3
00:02:44,908 --> 00:02:47,744
CC

4
00:04:21,371 --> 00:04:24,671
DD

用戶選擇保留兩個時段「00:02:15,000 - 00:02:40,000」與「00:04:20,000 - 00:04:35,000」，腳本將生成以下新的.srt檔案：

1
00:00:00,045 --> 00:00:02,045
BB

2
00:00:26,371 --> 00:00:29,671
DD

使用步驟

步驟1：執行腳本並上傳.srt檔案

在Google Colab中運行腳本，系統會提示您上傳一個.srt字幕檔案。選擇並上傳您需要處理的字幕檔案。

步驟2：輸入要保留的時段

根據提示，輸入您想保留的字幕時段，格式為「HH:MM:SS,mmm - HH:MM:SS,mmm」。可以多次輸入多個時段，完成後輸入「done」來結束輸入。

步驟3：生成並下載新的字幕檔案

腳本會根據您提供的保留時段篩選字幕，重新調整時間點，並生成一個新的.srt檔案。處理完成後，系統會自動下載新的檔案到您的本機。

完整Python腳本

import re
from datetime import timedelta
from google.colab import files

def time_to_ms(time_str):
    """將時間字串轉換為毫秒"""
    hours, minutes, seconds_milliseconds = time_str.split(':')
    seconds, milliseconds = seconds_milliseconds.split(',')
    total_ms = (int(hours) * 3600000 + int(minutes) * 60000 + int(seconds) * 1000 + int(milliseconds))
    return total_ms

def ms_to_time(ms):
    """將毫秒轉換為srt格式的時間字串"""
    hours = ms // 3600000
    ms %= 3600000
    minutes = ms // 60000
    ms %= 60000
    seconds = ms // 1000
    milliseconds = ms % 1000
    return f"{hours:02}:{minutes:02}:{seconds:02},{milliseconds:03}"

def parse_srt(content):
    """解析srt內容並返回字幕列表"""
    pattern = r'(\\d+)\\n(\\d{2}:\\d{2}:\\d{2},\\d{3}) --> (\\d{2}:\\d{2}:\\d{2},\\d{3})\\n(.*?)(?=\\n\\d+\\n|\\Z)'
    subtitles = re.findall(pattern, content, re.DOTALL)
    subtitle_list = []
    for sub in subtitles:
        index, start, end, text = sub
        subtitle_list.append({
            'index': int(index),
            'start_ms': time_to_ms(start),
            'end_ms': time_to_ms(end),
            'text': text.strip()
        })
    return subtitle_list

def filter_and_adjust_subtitles(subtitles, keep_ranges):
    """過濾字幕並調整時間"""
    kept_subs = []
    current_offset = 0
    for range_start, range_end in keep_ranges:
        range_start_ms = time_to_ms(range_start)
        range_end_ms = time_to_ms(range_end)
        for sub in subtitles:
            if sub['start_ms'] >= range_start_ms and sub['end_ms'] <= range_end_ms:
                new_start = sub['start_ms'] - range_start_ms + current_offset
                new_end = sub['end_ms'] - range_start_ms + current_offset
                kept_subs.append({
                    'index': len(kept_subs) + 1,
                    'start_ms': new_start,
                    'end_ms': new_end,
                    'text': sub['text']
                })
        current_offset += (range_end_ms - range_start_ms)
    return kept_subs

def generate_new_srt(subtitles):
    """生成新的srt內容"""
    srt_content = ""
    for sub in subtitles:
        srt_content += f"{sub['index']}\n"
        srt_content += f"{ms_to_time(sub['start_ms'])} --> {ms_to_time(sub['end_ms'])}\n"
        srt_content += f"{sub['text']}\n\n"
    return srt_content

def main():
    # 上傳srt檔案
    print("請上傳.srt檔案")
    uploaded = files.upload()
    filename = list(uploaded.keys())[0]
    with open(filename, "r", encoding="utf-8") as f:
        content = f.read()
    
    # 解析原始字幕
    subtitles = parse_srt(content)
    
    # 輸入要保留的時段
    print("\n請輸入要保留的時間範圍（格式：HH:MM:SS,mmm - HH:MM:SS,mmm）。輸入完成後輸入'done':")
    keep_ranges = []
    while True:
        time_input = input()
        if time_input.lower() == 'done':
            break
        try:
            start, end = map(str.strip, time_input.split('-'))
            keep_ranges.append((start, end))
        except ValueError:
            print("格式錯誤，請重新輸入。範例：00:02:15,000 - 00:02:40,000")
    
    # 過濾並調整字幕
    new_subtitles = filter_and_adjust_subtitles(subtitles, keep_ranges)
    
    # 生成新的srt內容
    new_content = generate_new_srt(new_subtitles)
    
    # 儲存並下載新的srt檔案
    new_filename = "output_" + filename
    with open(new_filename, "w", encoding="utf-8") as f:
        f.write(new_content)
    
    files.download(new_filename)

if __name__ == "__main__":
    main()

參考資料

結論

本文詳細介紹了如何在Google Colab中使用Python腳本處理.srt字幕檔案。通過精確篩選多個保留時段、支持多語言字幕、以及自動調整時間點，該腳本為字幕編輯和影片內容精簡提供了一個高效、靈活的解決方案。無論是為特定片段添加字幕，還是清理不需要的內容，這個腳本都能滿足您的需求。