通过正则表达式提取泰坦尼克号字幕里的所有台词
发布时间：2022-08-02 15:09:20 所属栏目：PHP教程 来源：互联网
导读：网上搜了一下看看有没有泰坦尼克号完整台词，找了好久也没找到合适的，要么不完整，要么收费，要么数据是错乱的,预期的台词是一个有中英文对照版的，然后按照格式一行行的排列，比如一行英文，一行中文，外加一行对应电影的时间 怎么办呢，想到了电影里的字
|
网上搜了一下看看有没有泰坦尼克号完整台词，找了好久也没找到合适的，要么不完整，要么收费，要么数据是错乱的,预期的台词是一个有中英文对照版的，然后按照格式一行行的排列，比如一行英文，一行中文，外加一行对应电影的时间 怎么办呢，想到了电影里的字幕，字幕里有数据的，数据格式也是统一的，我们利用正则提取一下就好了，开干 首先下载字幕,我在网上下载了一个，点击这个图片下载字幕文件:(点击这个图片，下载后把后缀名改成ssa就可以了) 然后查找文件里的规律，如下: 对于英文和中文有两种格式，对于英语来说，格式如下: 对于中文来说，格式如下: 思路 可以看到前面部分差不多的，后面的字幕之前有几个字符不一样，例如英文字幕是0000&}结尾的，而中文字幕是3000&}结尾的 我们可以用两个正则分别提取英语和中文的字幕信息，保存到对应的数组里，数组里的键名为字幕的时间，是个字符串格式，值可以是个数组，分别是对应的字幕 完整代码如下: 复制代码 <?php $str = file_get_contents('./zimu.ssa'); //load ssa file function getResult($preg){ //get Subtitle interface global $str; $result = array(); if(preg_match_all($preg,$str,$match,PREG_OFFSET_CAPTURE)){ foreach($match[1] as $key => $val){ $result[trim($val[0],',')]=$match[2][$key][0]; } } return $result; } $result_en = getResult('/Marked=([^D]*).*?0000&}(.*)/'); //获取英文字幕 $result_cn = getResult('/Marked=([^D]*).*?3000&}(.*)/'); //获取中文字幕 $result = array(); $result_en = array_filter($result_en,function($val,$key) use(&$result,&$result_cn){ //将字幕合并到$result数组里 if(isset($result_cn[$key])){ $result[$key] = array($val,$result_cn[$key]); unset($result_cn[$key]); }else return true; },ARRAY_FILTER_USE_BOTH ); function out($arr,$isarr=1){ //out inteface foreach($arr as $key => $val){ if($isarr) echo $key."<br/>".$val[0]."<br/>".$val[1]."<br/><br/>"; else echo $key."<br/>".$val."<br/><br/>"; } } out($result); //输出中文和英文有对应的字幕 out($result_en,0); //输出只有英文的字幕 out($result_cn,0); //输出只有中文的字幕 ?> 复制代码 部分输出如下: OK，It's Perfect~ 下一篇贴出完整的字幕 正则里也遇到个问题，理想中[^D]改成[^(?:,D)]的话在getResult里就不需要调用trim()过滤掉末尾的,符号了，但是在php里(?:)不能用，可能php的正则引擎不支持这个功能吧，以后如果再深入研究的话再看看。 （编辑：黔东南站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
