副标题
SubRip 文件格式 在
Matroska
多媒体容器格式网站上被描述为“可能是所有字幕格式中最基本的。”SubRip (SubRip Text)
文件的扩展名为.srt
,包含按空行分隔的格式化纯文本行。字幕按顺序编号,从 1 开始。使用的时间码格式为小时:分钟:秒,毫秒,时间单位固定为两位零填充数字,小数部分固定为三位零填充数字(00:00:00,000)。使用的分隔符是逗号,因为该程序是在法国编写的。
如何从字幕 (.srt
) 文件加载数据
请从这里下载 示例 .srt 文件。
%pip install --upgrade --quiet pysrt
from langchain_community.document_loaders import SRTLoader
loader = SRTLoader(
"example_data/Star_Wars_The_Clone_Wars_S06E07_Crisis_at_the_Heart.srt"
)
docs = loader.load()
docs[0].page_content[:100]
'<i>Corruption discovered\nat the core of the Banking Clan!</i> <i>Reunited, Rush Clovis\nand Senator A'