解析XML转换时间文本标记到WebVTT

本文关键字：WebVTT 文本 XML 转换 时间 解析 | 更新日期: 2023-09-27 17:50:21

我正在开发一个web应用程序，它可以采用时间文本标记(TTML)或WebVTT格式的字幕文件。如果文件是定时文本，我想把它翻译成WebVTT。这基本上不是问题，我遇到的一个问题是，如果TTML有HTML作为文本内容的一部分，那么HTML标签就会被删除。

例如:

<p begin="00:00:08.18" dur="00:00:03.86">(Music<br />playing)</p>

结果:

(Musicplaying)
我使用的代码是: 
private const string TIME_FORMAT = "hh'':mm'':ss''.fff";
XmlDocument xmldoc = new XmlDocument();
xmldoc.Load(fileLocation);
XDocument xdoc = xmldoc.ToXDocument();
var ns = (from x in xdoc.Root.DescendantsAndSelf()
          select x.Name.Namespace).First();
List<TTMLElement> elements =
(
     from item in xdoc.Descendants(ns + "body").Descendants(ns + "div").Descendants(ns + "p")
     select new TTMLElement
     {
          text = item.Value,
          startTime = TimeSpan.Parse(item.Attribute("begin").Value),
          duration = TimeSpan.Parse(item.Attribute("dur").Value),
     }
).ToList<TTMLElement>();
StringBuilder sb = new StringBuilder();
sb.AppendLine("WEBVTT");
sb.AppendLine();
for (int i = 0; i < elements.Count; i++)
{
     sb.AppendLine(i.ToString());
     sb.AppendLine(elements[i].startTime.ToString(TIME_FORMAT) + " --> " + elements[i].startTime.Add(elements[i].duration).ToString(TIME_FORMAT));
     sb.AppendLine(elements[i].text);
     sb.AppendLine();
}

任何关于我错过的想法，或者如果有更好的方法来做到这一点，或者即使已经有一个将时间文本转换为WebVTT的解决方案，我将不胜感激。谢谢。

解析XML转换时间文本标记到WebVTT

我终于回到这个项目，我也找到了解决我的问题的方法。

本节第一部分:

from item in xdoc.Descendants(ns + "body").Descendants(ns + "div").Descendants(ns + "p")
    select new TTMLElement
    {
        text = item,
        startTime = TimeSpan.Parse(item.Attribute("begin").Value),
        endTime = item.Attribute("dur") != null ?
          TimeSpan.Parse(item.Attribute("begin").Value).Add(TimeSpan.Parse(item.Attribute("dur").Value)) :
          TimeSpan.Parse(item.Attribute("end").Value)
   }

item是XElement类型的，因此可以从它创建XmlReader对象，从而产生以下函数:

private static string ReadInnerXML(XElement parent)
{
    var reader = parent.CreateReader();
    reader.MoveToContent();
    var innerText = reader.ReadInnerXml();
    return innerText;
}

为了删除节点内的html，我将函数修改为如下所示:

private static string ReadInnerXML(XElement parent)
{
    var reader = parent.CreateReader();
    reader.MoveToContent();
    var innerText = reader.ReadInnerXml();
    innerText = Regex.Replace(innerText, "<.+?>", " ");
    return innerText;
}

最后，上面的lambda看起来像这样:

from item in xdoc.Descendants(ns + "body").Descendants(ns + "div").Descendants(ns + "p")
    select new TTMLElement
    {
        text = ReadInnerXML(item),
        startTime = TimeSpan.Parse(item.Attribute("begin").Value),
        endTime = item.Attribute("dur") != null ?
          TimeSpan.Parse(item.Attribute("begin").Value).Add(TimeSpan.Parse(item.Attribute("dur").Value)) :
          TimeSpan.Parse(item.Attribute("end").Value)
   }

微软有一个工具可以生成这两种格式:

  • HTML5视频字幕制作

这个演示允许您创建简单的视频标题文件。首先以浏览器可以播放的格式加载视频。然后交替播放和暂停视频，为每个片段输入字幕。

如果你有一个保存的WebVTT或TTML标题文件为您的视频，你可以加载它，编辑现有的部分的文本，或追加新的部分。

如果你想用编程的方式来做，回答其他问题可能会有帮助。

相关文章：