从字幕文件中删除不在单词列表中的单词（常用单词）

Question

我有一些字幕文件，我不打算学习这些字幕中的每一个单词，没有必要学习一些硬词，如：锁骨颅骨，发育不良

我在这里找到了这个脚本：Remove words from a cell that aren't in a list。但我不知道如何修改或运行它。（我正在使用linux）

下面是我们的示例：

字幕文件（.srt）：

2
00:00:13,000 --> 00:00:15,000
People with cleidocranial dysplasia are good.

3000个常用词的词表（.txt）：

...
people
with
are
good
...

我们需要的输出（.srt）：

2
00:00:13,000 --> 00:00:15,000
People with * * are good.

或者如果可能的话标记它们（.srt）：

2
00:00:13,000 --> 00:00:15,000
People with cleidocranial* dysplasia* are good.

如果有一个解决方案只处理纯文本（没有时间码），那没关系，只需解释如何运行它
多谢各位

Answer 1

您可以简单地运行以下python脚本：

with open("words.txt", "rt") as words:
    #create a list with every word
    wordList = words.read().split("\n")

with open("subtitle.srt", "rt") as subtitles:
    with open("subtitle_output.srt", "wt") as out:
        for line in subtitles.readlines():
            if line[0].isdigit():
                #ignore the line as it starts with a digit
                out.write(line)
                continue
            else:
                for word in line.split():
                    if not word in wordList:
                        out.write(line.replace(word, f"*{word}*"))

这个脚本将用修改的*word*替换公共单词文件中不存在的每个单词，保留原始文件并将所有内容放入新的输出文件中