用Python3读取srt（字幕）文件

Question

我想用Python3来读取srt文件。

这些文件可以在这里找到： http://www.opensubtitles.org/

相关信息可以在这里查看： http://en.wikipedia.org/wiki/SubRip

Subrip支持任何编码方式，比如ascii或unicode。

如果我理解得没错的话，我在用Python读取文件时需要指定使用哪个解码器。那么我是不是可以说，我需要知道文件是用什么编码的，才能做出这个判断？如果是这样的话，如果我有一百个来自不同来源和语言支持的文件，我该怎么确定每个文件的编码呢？

最终，我希望能把这些文件都转换成utf-8编码开始。但我知道其中一些文件可能用的是一些不常见的编码。

请帮帮我，

巴里

Answer 1

还有一个不错的库可以用来处理SRT文件：

https://pypi.python.org/pypi/pysrt

在打开和写入SRT文件时，你可以指定编码方式。

Answer 2

你可以检查每个 .srt 文件开头的 字节顺序标记 来测试文件的编码方式。不过，这种方法可能并不适用于所有文件，因为字节顺序标记并不是必须的属性，而且只在 UTF 文件中规定。你可以通过以下方式进行检查：

testStr = b'\xff\xfeOtherdata'

if testStr[0:2] == b'\xff\xfe':
    print('UTF-16 Little Endian')
elif testStr[0:2] == b'\xfe\xff':
    print('UTF-16 Big Endian')
#...

你可能想做的就是简单地打开你的文件，然后把从文件中读取的内容解码成unicode格式，处理好unicode表示后再准备打印，最后再编码回去。想了解更多信息和相关的代码示例，可以查看这个讲座。

Answer 3

你可以使用charade这个包（之前叫chardet）来检测文件的编码方式。