-- 作者：Qr
-- 发布时间：8/17/2008 8:50:00 PM
-- [原创]XSLT实现SRT电影字幕修正
XSLT实现SRT电影字幕修正 原创：Qr,8/17/2008 http://Qr.blogger.org.cn 喜欢BT电影的朋友经常会遇到这样的问题，在看电影的过程中，由于字幕的制作出现各种各样的错误，令人非常扫兴，最常见的是时间轴不匹配，不是提前就是延后，有时后面一条字幕包括时间截被当作当前字幕来输出。要修正这些错误，只有到网上搜索相关工具来调整和修复。在这里，让我们用XSLT去实现看似不可能完成的任务吧——XSLT实现SRT电影字幕修正! 原创：Qr,8/17/2008 http://Qr.blogger.org.cn 首先我们先来看一段截取自电影《玩转21点》的字幕：
***************************************
1
00:00:08,480 --> 00:00:19,770
玩转21点 2
00:00:22,910 --> 00:00:31,900
21.REPACK 3
00:00:40,107 --> 00:00:42,632
Winner，winner，chicken dinner 4
00:00:43,911 --> 00:00:47,403
这句话整晚都在我的耳边盘旋 5
00:00:48,448 --> 00:00:50,780
我指的是那个词
拉斯维加斯赌场的习惯用语 6
00:00:51,585 --> 00:00:54,986
随便问一个以前的赌场老板
他们肯定知道 7
00:00:58,225 --> 00:01:02,662
这个习语的形成最早要归功于
一个在Binion赌场的中国商人 8
00:01:03,430 --> 00:01:06,399
他每赢一局的时候都要喊出那句话 9
00:01:06,500 --> 00:01:09,958
那已经是40年前的事了
可这个口头禅依然被使用 10
00:01:10,070 --> 00:01:12,061
Winner, winner, chicken dinner
这就是它的由来 ***************************************
请注意，影片上出现的每行字幕，实际上格式为：
***************
序号(换行)
时间轴(换行)
字幕内容(换行)
空白行
***************
因为格式固定，这就为我们通过XSLT实现SRT电影字幕修正奠定了算法的基础。正因为空白行的存在，我们可以通过它来作为XSLT处理每行字幕的依据。 原创：Qr,8/17/2008 http://Qr.blogger.org.cn 那么，到底怎么实现XSLT修正SRT电影字幕呢？
首先还得程序语言帮忙，就是将SRT文件转换成规范的XML文档(至于转换方法，不同的程序语言方法不同，我就不一一介绍了，大家如果不会，可以自己去查资料)。转换后我们会得到这样一个XML文档：
<?xml version="1.0" encoding="gb2312"?>
<!--encoding根据需要字义，这里我全部使用gb2312-->
<root>
SRT文件内容
</root> 原创：Qr,8/17/2008 http://Qr.blogger.org.cn SRT文件经过转换可以得到符合XML规范的文档，这样我们就可以通过XSLT去处理了，下面是XSL代码，纯粹是XSL命名模板和XPath字符串函数的应用，没有太多注释：
<?xml version="1.0" encoding="gb2312"?>
<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
<xsl:output method="text" version="1.0" encoding="gb2312" indent="yes"/>
<!--srt实际上是文本文件，故取method="text"--> <xsl:variable name="ms" select="-490"/>
<!--ms以毫秒为单位，1s=1000ms--> <xsl:variable name="br" select="'
'"/> <xsl:template match="/">
<!--SRT末尾要保证有3个换行，否则取不到最末字幕。解决：在将文件内容读入DOM前通过程序语言添加3个换行符。或再加一个递归，条件是：string-length($msg) > 1 and not(contains($msg,'
'))-->
<xsl:call-template name="msg">
<xsl:with-param name="msg" select="." />
<xsl:with-param name="pos" select="1" />
</xsl:call-template>
</xsl:template> <!--命名模板msg主要是通过两个换行符“
”为标记截取每行字幕-->
<xsl:template name="msg">
<xsl:param name="msg"/>
<xsl:param name="pos"/>
<xsl:variable name="sb" select="substring-before($msg,'
')"/> <!--以下两个xsl:if不能解决字幕间隔2n+1个换行符的问题(正常应该是2个换行符)-->
<!--xsl:if test="string-length($sb) > 1">
<xsl:call-template name="msg1">
<xsl:with-param name="msg1" select="$sb" />
<xsl:with-param name="pos1" select="1" />
</xsl:call-template>
</xsl:if> <xsl:if test="contains($msg,'
')">
<xsl:call-template name="msg">
<xsl:with-param name="msg" select="substring-after($msg,'
')" />
</xsl:call-template>
</xsl:if--> <!--通过xsl:choose来能解决字幕间隔2n+1个换行符的问题(正常应该是2个换行符)-->
<xsl:choose>
<xsl:when test="starts-with($sb,'
')"><!--递归，跳过2n+1个换行符-->
<xsl:call-template name="msg">
<xsl:with-param name="msg" select="substring-after($msg,'
')" />
<xsl:with-param name="pos" select="$pos" />
</xsl:call-template>
</xsl:when> <xsl:when test="string-length($sb) > 1">
<xsl:call-template name="msg1">
<xsl:with-param name="msg1" select="$sb" />
<xsl:with-param name="pos1" select="1" />
<xsl:with-param name="pos" select="$pos" />
</xsl:call-template> <xsl:if test="contains($msg,'
')">
<!--递归，处理下一行字幕-->
<xsl:call-template name="msg">
<xsl:with-param name="msg" select="substring-after($msg,'
')" />
<xsl:with-param name="pos" select="$pos+1" />
</xsl:call-template>
</xsl:if>
</xsl:when>
</xsl:choose> </xsl:template> <!--命名模板msg1是将每行字幕通过
和pos1定位分割序号、时间轴和字幕文字-->
<xsl:template name="msg1">
<xsl:param name="msg1"/>
<xsl:param name="pos1"/>
<xsl:param name="pos"/>
<xsl:variable name="sb1">
<xsl:choose>
<xsl:when test="$pos1 < 3">
<xsl:value-of select="substring-before($msg1,'
')" />
</xsl:when>
<xsl:otherwise>
<xsl:value-of select="$msg1" />
</xsl:otherwise>
</xsl:choose>
</xsl:variable> <xsl:choose>
<xsl:when test="$pos1=1">
<xsl:value-of select="$sb1"/><!--序号--><xsl:value-of select="$br"/>
<xsl:if test="$sb1 != $pos">
<!--命名模板msg2处理两条字幕间没有空白行的问题-->
<!--xsl:call-template name="msg2">
<xsl:with-param name="msg2" select="substring-after($msg2,concat($pos,'
'))" />
<xsl:with-param name="pos2" select="pos2+1" />
<xsl:with-param name="pos" select="$pos+1" />
</xsl:call-template-->
<xsl:message terminate="yes">
<xsl:value-of select="'message:ERROR'"/>
</xsl:message>
<!--正常情况下遇到xsl:message代码应该停止执行，但实际运行时这里出现两次错误信息，估计某个地方处理还有些问题-->
</xsl:if>
</xsl:when>
<xsl:when test="$pos1=2">
<xsl:call-template name="timefix">
<xsl:with-param name="time" select="substring-before($sb1,' ')" />
<xsl:with-param name="pos" select="$pos" />
</xsl:call-template>
<xsl:value-of select="' --> '"/><!--箭头-->
<xsl:value-of select="substring-after($sb1,'> ')"/> <xsl:value-of select="$br"/>
</xsl:when>
<xsl:otherwise>
<xsl:value-of select="$sb1"/><xsl:value-of select="concat($br,$br)"/>
</xsl:otherwise>
</xsl:choose> <xsl:if test="$pos1 < 3">
<xsl:call-template name="msg1"><!--递归，继续定位分割当前行字幕-->
<xsl:with-param name="msg1" select="substring-after($msg1,'
')" />
<xsl:with-param name="pos1" select="$pos1+1" />
<xsl:with-param name="pos" select="$pos" />
</xsl:call-template>
</xsl:if> </xsl:template> <!--命名模板timefix，处理时间轴-->
<xsl:template name="timefix">
<xsl:param name="time"/>
<xsl:param name="pos"/> <xsl:variable name="h" select="substring($time,1,2)"/>
<xsl:variable name="m" select="substring($time,4,2)"/>
<xsl:variable name="s" select="substring($time,7,2)"/>
<xsl:variable name="u" select="substring($time,10)"/> <xsl:variable name="u1"><!--求时间轴的毫秒部分与修正数值的和-->
<xsl:choose>
<xsl:when test="number($u) < $ms*-1">
<xsl:value-of select="format-number(((number($u)+$ms) mod 1000)+1000,'000')"/>
</xsl:when>
<xsl:otherwise>
<xsl:value-of select="format-number((number($u)+$ms) mod 1000,'000')"/>
</xsl:otherwise>
</xsl:choose>
</xsl:variable> <xsl:variable name="uj"><!--求毫秒进位-->
<xsl:choose>
<xsl:when test="(number($u)+$ms > -1) and (number($u)+$ms > 1000)">
<xsl:value-of select="floor((number($u)+$ms) div 1000)"/>
</xsl:when>
<xsl:when test="number($u)+$ms < 0">
<xsl:value-of select="floor((number($u)+$ms) div 1000)"/>
</xsl:when>
<xsl:otherwise>0</xsl:otherwise>
</xsl:choose>
</xsl:variable> <xsl:variable name="s1" select="format-number((number($s)+$uj) mod 60,'00')"/><!--求秒-->
<xsl:variable name="sj"><!--求秒进位-->
<xsl:choose>
<xsl:when test="number($s)+$uj > 60">
<xsl:value-of select="floor((number($s)+$uj) div 60)"/>
</xsl:when>
<xsl:otherwise>0</xsl:otherwise>
</xsl:choose>
</xsl:variable> <xsl:variable name="m1" select="format-number((number($m)+$sj) mod 60,'00')"/><!--求分-->
<xsl:variable name="mj"><!--求分进位-->
<xsl:choose>
<xsl:when test="number($m)+$sj > 60">
<xsl:value-of select="floor((number($m)+$sj) div 60)"/>
</xsl:when>
<xsl:otherwise>0</xsl:otherwise>
</xsl:choose>
</xsl:variable> <xsl:variable name="h1" select="format-number((number($h)+$mj) mod 24,'00')"/><!--求小时--> <xsl:value-of select="concat($h1,':',$m1,':',$s1,',',$u1)"/> </xsl:template> </xsl:stylesheet> 原创：Qr,8/17/2008 http://Qr.blogger.org.cn 前面的注释已经提到，srt实际上是文本文件，故xsl:output设定method="text"，当程序语言通过XSL转换XML为文本格式的字符串并输出(这个也不是本文的重点，大家可以上网搜)后，将其后缀名定“.srt”就是我们修正后的字幕文件了。 原创：Qr,8/17/2008 http://Qr.blogger.org.cn 当然，细心的朋友会注意到代码中曾经定义了一个变量pos，但并没有发现其在代码中的作用。其实，它是为msg2定义的，目的是处理两条字幕间没有空白行的问题，但这个命名模板我并没有完成它，因为这样做并不是最好的，而且，最近一直在用SVG进行开发，时间上安排不过来。 原创：Qr,8/17/2008 http://Qr.blogger.org.cn 下面是我给出的XSLT修正SRT电影字幕另一种思路：命名模板msg不要以两个换行符“
”为标记截取字幕，而是以“序号+换行符(
)”为标记截取字幕，时间轴的处理同上。这样写代码会方便很多。 原创：Qr,8/17/2008 http://Qr.blogger.org.cn 另外，本文的思路和代码基本上是解决前面提到的两个问题，其实还能做得更多些，我这里仅仅个初步，感兴趣的朋友可以把它完善得更好。 原创：Qr,8/17/2008 http://Qr.blogger.org.cn 最后，要提的是<xsl:message terminate="yes|no"/>，当XSL解析XML出错时，可以用它来返回错误信息，程序语言同样可以接受这个错误信息的返回，这样可以提高程序的交互性能，但不同的程序语言，错误信息的捕捉不尽相同，大家可以根据实际情况查阅相关帮助文档。 原创：Qr,8/17/2008 http://Qr.blogger.org.cn
[此贴子已经被作者于2008-8-17 23:16:23编辑过]
|