python-批量提取srt文件中的纯文本
python-批量提取srt文件中的纯文本
1.功能介绍
为了方便日常的使用,我将批量提取 srt
文件中纯文本的程序打包成了 exe
文件,这样就不用安装 python
环境和相关的库了。
现在版本的程序可以选择指定路径下的多个 srt
文件,批量提取里面的文本内容。
输出的 txt
文件和原来的 srt
文件在同一目录下。
值得一提的是,由于 srt
文件存在不同的编码方式。现在版本的程序兼容了utf-8
、utf-16
和 gbk
三种编码,其他的编码格式未加入编码列表中,会提示编码错误,而不进行任何操作。不影响编码正确的文件的文字提取。
2.可执行程序
如果需要可执行程序,可以下载文件:批量提取srt文件中的纯文本
3.python源代码
下面是所以的源代码:
import tkinter as tk
from tkinter import filedialog
import osroot = tk.Tk() # 创建程序主窗口
root.withdraw() # 隐藏该窗口file_types = [('Text Files', '*.srt')] # 指定要筛选的文件格式
files = filedialog.askopenfilenames(filetypes=file_types) # 弹出文件选择对话框progress_window = tk.Toplevel(root) # 创建新的顶层窗口对象,作为 root 窗口的子窗口
progress_window.title("文件提取进度")
progress_window.grab_set() # 设置为模态窗口,阻止用户操作其他窗口def center_window(window):window_width = 600 # 设置弹窗的宽度window_height = 400 # 设置弹窗的高度screen_width = window.winfo_screenwidth() # 获取屏幕宽度screen_height = window.winfo_screenheight() # 获取屏幕高度x = (screen_width - window_width) // 2 # 计算窗口的水平位置y = (screen_height - window_height) // 2 # 计算窗口的垂直位置window.geometry(f"{window_width}x{window_height}+{x}+{y}") # 设置窗口位置和大小center_window(progress_window) # 将窗口置于屏幕中央file_list_label = tk.Label(progress_window, text="已处理的文件:", font=("TkDefaultFont", 13, "bold"))
file_list_label.pack()file_list_text = tk.Text(progress_window, height=20, width=60, font=("TkDefaultFont", 13))
file_list_text.tag_config("error", foreground="red")
file_list_text.pack()
file_error_num = 0 # 处理失败的文件数量
encodings = ["utf-8", "utf-16", "gbk"]for file in files:coding_flag = Falsecoding_error_num = 0texts = []for encoding in encodings:try:with open(file, encoding=encoding) as f:for line in f.readlines():if line[0] not in {'\n', *'0123456789'} and line[-2] not in {'0123456789'}:texts.append(line)coding_flag = True # 编码正确,退出编码列表的循环if coding_flag:breakexcept UnicodeError as e:coding_error_num += 1if coding_error_num == len(encodings): # 不满足编码列表中的所有编码file_error_num += 1file_list_text.insert(tk.END, f"{os.path.basename(file)}, file encoding error!" + "\n", "error")# 弹窗列表中显示错误信息,添加 "error" 的标签,使其颜色为红色continuetexts = [text.strip() for text in texts]with open(file.rsplit(".", 1)[0] + ".txt", 'w', encoding='utf-8') as f:for line in texts:f.write(line + '\n')print(f'文件:{f.name} 写入完成!')file_list_text.insert(tk.END, os.path.basename(file) + ",successful!\n")file_list_text.insert(tk.END, "\n" + f"处理完成,成功 {len(files) - file_error_num} 个,失败 {file_error_num}个!" + "\n")progress_window.wait_window() # 等待用户关闭进度窗口
4.源代码解析
import tkinter as tk
from tkinter import filedialog
import os
root = tk.Tk() # 创建程序主窗口
root.withdraw() # 隐藏该窗口
这部分代码导入了 tkinter
模块,并创建了程序的主窗口 root
,然后使用 withdraw()
方法隐藏了主窗口。
file_types = [('Text Files', '*.srt')] # 指定要筛选的文件格式
files = filedialog.askopenfilenames(filetypes=file_types) # 弹出文件选择对话框
定义了文件类型筛选条件 file_types
,其中指定了以 .srt
为扩展名的文本文件。然后使用 askopenfilenames()
方法弹出文件选择对话框,让用户选择要处理的文件,选中的文件路径将保存在 files
变量中。
progress_window = tk.Toplevel(root) # 创建新的顶层窗口对象,作为 root 窗口的子窗口
progress_window.title("文件提取进度")
progress_window.grab_set() # 设置为模态窗口,阻止用户操作其他窗口
创建了一个新的顶层窗口 progress_window
,它作为 root
窗口的子窗口。设置了窗口标题为"文件提取进度",并使用 grab_set()
方法将窗口设置为模态窗口,这样阻止用户操作其他窗口。
def center_window(window):window_width = 600 # 设置弹窗的宽度window_height = 400 # 设置弹窗的高度screen_width = window.winfo_screenwidth() # 获取屏幕宽度screen_height = window.winfo_screenheight() # 获取屏幕高度x = (screen_width - window_width) // 2 # 计算窗口的水平位置y = (screen_height - window_height) // 2 # 计算窗口的垂直位置window.geometry(f"{window_width}x{window_height}+{x}+{y}") # 设置窗口位置和大小
定义了一个函数 center_window(window)
,用于将窗口居中显示。根据屏幕的宽度和高度计算出窗口的水平和垂直位置,然后使用 geometry()
方法设置窗口的位置和大小。
center_window(progress_window) # 将窗口置于屏幕中央
调用 center_window()
函数,将 progress_window
窗口置于屏幕中央。
file_list_label = tk.Label(progress_window, text="已处理的文件:", font=("TkDefaultFont", 13, "bold"))
file_list_label.pack()
创建一个标签部件 file_list_label
,显示文本"已处理的文件:",并设置了字体为 TkDefaultFont
,大小为 13
,加粗。然后使用 pack()
方法将标签部件添加到窗口中进行布局。
file_list_text = tk.Text(progress_window, height=20, width=60, font=("TkDefaultFont", 13))
file_list_text.tag_config("error", foreground="red")
file_list_text.pack()
创建一个文本框部件 file_list_text
,设置高度为 20
行,宽度为 60
个字符,字体为 TkDefaultFont
,大小为 13
。使用 tag_config()
方法配置一个名为 "error"
的标签,设置其前景色为红色。然后使用 pack()
方法将文本框部件添加到窗口中进行布局。
file_error_num = 0 # 处理失败的文件数量
encodings = ["utf-8", "utf-16", "gbk"]for file in files:coding_flag = Falsecoding_error_num = 0texts = []for encoding in encodings:try:with open(file, encoding=encoding) as f:for line in f.readlines():if line[0] not in {'\n', *'0123456789'} and line[-2] not in {'0123456789'}:texts.append(line)coding_flag = True # 编码正确,退出编码列表的循环if coding_flag:breakexcept UnicodeError as e:coding_error_num += 1if coding_error_num == len(encodings): # 不满足编码列表中的所有编码file_error_num += 1file_list_text.insert(tk.END, f"{os.path.basename(file)}, file encoding error!" + "\n", "error")# 弹窗列表中显示错误信息,添加 "error" 的标签,使其颜色为红色continuetexts = [text.strip() for text in texts]with open(file.rsplit(".", 1)[0] + ".txt", 'w', encoding='utf-8') as f:for line in texts:f.write(line + '\n')print(f'文件:{f.name} 写入完成!')file_list_text.insert(tk.END, os.path.basename(file) + ",successful!\n")
遍历 files
中的每个文件,依次处理。对于每个文件,首先定义一些变量,如 coding_flag
表示编码是否正确,coding_error_num
表示编码错误的数量,texts
保存提取的文本内容。
然后使用一个内嵌的循环,遍历编码列表 encodings
中的每个编码。尝试使用当前编码打开文件,并逐行读取文件内容。如果满足提取条件,将文本内容添加到 texts
列表中,并将 coding_flag
标记为 True
表示编码正确,然后退出编码列表的循环。
关于文本提取的条件,可以参考我之前的博文:python提取字幕文件中的纯文字
如果在所有编码中都无法成功打开文件(捕获到 UnicodeError
异常),则将 coding_error_num
加 1
。
如果 coding_error_num
等于编码列表的长度,说明文件不满足编码列表中的任何一种编码,此时将 file_error_num
加 1
,并将文件名和错误信息插入到文本框中,使用 "error"
标签使其颜色变为红色。然后使用 continue
跳过当前文件的处理。
如果文件的编码正确,将 texts
中的文本进行处理(去除首尾空白字符),然后将处理后的文本写入新的以 .txt
为扩展名的文件中,文件名与原文件相同(去除扩展名部分)。同时在控制台输出文件写入完成的信息。
最后,在文本框中插入当前文件名和 "successful!"
的信息。
file_list_text.insert(tk.END, "\n" + f"处理完成,成功 {len(files) - file_error_num} 个,失败 {file_error_num}个!" + "\n")
progress_window.wait_window() # 等待用户关闭进度窗口
在文本框中插入处理完成的统计信息,显示成功处理的文件数量和失败的文件数量。
最后,使用 wait_window()
方法等待用户关闭进度窗口,程序进入等待状态,直到用户关闭窗口。
5.总结
本程序主要使用 tkinter
库创建了一个图形界面,允许用户选择要处理的多个 srt
文件,然后根据文件的编码,提取其中的纯文本内容。使用了 tk.Tk()
创建程序主窗口,用 withdraw()
方法来隐藏主窗口,用 Toplevel(root)
来创建新的顶窗口,用了 tk.Label()
、 tk.Text()
等标签,在窗口中显示已经处理的文件列表, tag_config()
属性可以设置文本的颜色, insert()
函数可以向文本标签中插入新的内容。定义了 center_window
函数,使窗口居于屏幕的中央。还使用了编码正误标签 coding_flag
来退出编码列表的循环,变量 coding_error_num
来统计处理失败的文件,使用了 file.rsplit(".", 1)[0] + ".txt"
来保证新生成的 .txt
文件和原来的 .srt
文件同名。总的来说,这也是一次不错的实践练习。
python-批量提取srt文件中的纯文本相关推荐
- Python工具源码,Python批量提取PPT文件中的图片
在办公场景当中,同样也有这样一个需求,那就是快速批量把PPT文件中的图片提取出来,毕竟一个个点击另存为太过于繁琐,以及耗费时间,前面本渣渣分享过如何应用Python批量提取PDF文件中的图片,而这一篇 ...
- Python批量提取Excel文件中的图片
推荐图书: <Python程序设计(第3版)>,(ISBN:978-7-302-55083-9),董付国,清华大学出版社,2020年6月第1次印刷,2021年7月第9次印刷,山东省一流本科 ...
- Python批量提取Excel文件中文本框组件里的文本
开学第一课:拜托,一定不要这样问Python问题 中国大学MOOC"Python程序设计基础"免费学习地址 2020年秋季学期Python教材推荐与选用参考 推荐图书: <P ...
- Python批量提取PowerPoint文件中所有幻灯片标题和备注文本
小知识: 在制作PowerPoint演示文档时,可以在幻灯片下面添加备注,在双屏播放PPT并设置了演讲者视图时可以给讲者提供一些提示信息,防止忘词,也可以提示下一页幻灯片的内容是什么使得讲者能够完美过 ...
- Python批量提取PDF文件中的文本
首先需要执行命令pip install pdfminer3k来安装处理PDF文件的扩展库. import os import sys import time pdfs = (pdfs for pdfs ...
- python批量提取pdf的数据_Python批量提取PDF文件中文本的脚本
本文实例为大家分享了Python批量提取PDF文件中文本的具体代码,供大家参考,具体内容如下 首先需要执行命令pip install pdfminer3k来安装处理PDF文件的扩展库. import ...
- 使用Python批量修改PPTX文件中文本框格式
问题描述:最近正在整理Python教材的配套PPT,原来的PPT是4:3的,考虑到现在很多屏幕都是宽屏的,于是打算重新整理一下.对于正常的幻灯片,直接在"页面设置"中修改一下就可以 ...
- Python批量设置pptx文件中文本框边框与填充样式(含20分钟视频讲解)
近期会议: 10月30-11月1日 全国高校Python课程高级研修班(苏州) 推荐图书: <Python程序设计(第3版)>,(ISBN:978-7-302-55083-9),董付国,清 ...
- Python批量提取Word文件题库中的答案
问题描述:假设有Word文件"Python题库.docx"中有若干Python题目(目前有1000道,已在公众号内分享第一期1000道Python题库系列分享一(17道))和对应的 ...
最新文章
- shell shocked什么意思_Shell 启动类型探究 ── login interactive
- linux网络配置总结,linux中的网络配置命令的总结
- c++清空一个txt文本_Linux练习6: 文本查看cat, head, less
- 使用valgrind检查内存问题
- mysql in 索引_mysql-IN子句不使用索引
- 老板亲戚来公司实习,差点把公司的Tomcat搞崩了,就因为不会部署Java服务
- wait方法为什么要放在循环里
- 案例:如何解决难以重现的BUG
- CSS权威指南(4)
- 【应用推荐】常见资源管理器整理,内含使用体验和个人使用推荐
- 好看的登录html界面,很漂亮的用户登录界面HTML模板
- SMA连接器与BNC连接器用途有什么不同
- 云服务器装桌面后怎么连接,云桌面具体的安装步骤是怎样的
- Normalize异常报错
- 安庆集团-冲刺日志(第七天)
- 没有今天的百度,难道它真的天亮了?
- setenv与putenv的区别
- 怎样用计算机打出Abc,智能ABC输入法中的一些使用技巧
- 公务员考试题汇集之逻辑推理
- 检测两点所确定直线上的像素坐标
热门文章
- Visual Studio Ultimate 2013 Update5 中文版/英文版 下载 CD-KEY
- 一个程序员转行做农业的经历
- 错字如何让娜塔莉·罗杰斯迷上Envato Tuts +
- Java输入语句使用方法
- 大数据Flink(四):Standalone独立集群模式
- opencv+python实战日记 入门篇(八)色块识别
- react框架简单总结
- Web 安全之内容安全策略详解(Content-Security-Policy,CSP)
- Unity官方手册之ParticleSystem_Collision模块
- T-SQL:一道医院信息科的面试题