在PHP中读取WebVTT文件

有没有人有使用PHP读取WebVTT（.vtt）文件的经验

我正在用CakePHP开发一个应用程序，在这里我需要阅读一堆vtt文件，并获取开始时间和相关文本

因此，作为该文件的一个示例：

00:00.999 --> 00:04.999 sentence one 00:04.999 --> 00:07.999 sentence two 00:07.999 --> 00:10.999 third sentence with a line break 00:10.999 --> 00:14.999 a fourth sentence on three lines 00:00.999 --> 00:04.999 第一句 00:04.999 --> 00:07.999 第二句 00:07.999 --> 00:10.999 第三句 断线 00:10.999 --> 00:14.999 第四句 三点 线 我需要能够提取如下内容：

00:00.999 sentence one 00:04.999 sentence two 00:07.999 third sentence with a line break 00:10.999 a fourth sentence on three lines

<?PHP

function send_reformatted($vtt_file){
 // Add these headers to ease saving the output as text file
    header("Content-type: text/plain");
    header('Content-Disposition: inline; filename="'.$vtt_file.'.txt"');

    $f = fopen($vtt_file, "r");
    $line_new = "";

    while($line = fgets($f)){
        if (preg_match("/^(\d{2}:[\d\.]+) --> \d{2}:[\d\.]+$/", $line, $match)) {
            if($line_new) echo $line_new."\n";
            $line_new = $match[1];
        } else{
            $line = trim($line);
            if($line) $line_new .= " $line";
        }
    }

    echo $line_new."\n";
    fclose($f);
}


send_reformatted("test.vtt");

?>

$subtitles = Subtitles::load('subtitles.vtt');
$blocks = $subtitles->getInternalFormat(); // array

foreach ($blocks as $block) {
    echo $block['start'];
    echo $block['end'];
    foreach ($block['lines'] as $line) {
        echo $line;
    }
} 

00:00.999第一句 00:04.999第二句 00:07.999带换行符的第三句话 00:10.999三行的第四句话 请注意，可能会有换行符，因此在每个时间戳之间没有设置行数

---

我的计划是搜索“->”，这是每个时间戳之间的公共字符串。有人知道如何最好地实现这一点吗？

您可以这样做：

00:00.999 sentence one 00:04.999 sentence two 00:07.999 third sentence with a line break 00:10.999 a fourth sentence on three lines

<?PHP

function send_reformatted($vtt_file){
 // Add these headers to ease saving the output as text file
    header("Content-type: text/plain");
    header('Content-Disposition: inline; filename="'.$vtt_file.'.txt"');

    $f = fopen($vtt_file, "r");
    $line_new = "";

    while($line = fgets($f)){
        if (preg_match("/^(\d{2}:[\d\.]+) --> \d{2}:[\d\.]+$/", $line, $match)) {
            if($line_new) echo $line_new."\n";
            $line_new = $match[1];
        } else{
            $line = trim($line);
            if($line) $line_new .= " $line";
        }
    }

    echo $line_new."\n";
    fclose($f);
}


send_reformatted("test.vtt");

?>

$subtitles = Subtitles::load('subtitles.vtt');
$blocks = $subtitles->getInternalFormat(); // array

foreach ($blocks as $block) {
    echo $block['start'];
    echo $block['end'];
    foreach ($block['lines'] as $line) {
        echo $line;
    }
} 

---

这似乎满足了我的需要，即输出开始时间和任何后续文本行。我使用的文件相当小，因此使用PHP的file（）函数将所有内容读入数组似乎是可以的；不过，我不确定这是否适用于大型文件

    $file = 'test.vtt'; 
    $file_as_array = file($file, FILE_IGNORE_NEW_LINES | FILE_SKIP_EMPTY_LINES);

    foreach ($file_as_array as $f) {    

        // Find lines containing "-->"  
        $start_time = false;
        if (preg_match("/^(\d{2}:[\d\.]+) --> \d{2}:[\d\.]+$/", $f, $match)) {              
            $start_time = explode('-->', $f);
            $start_time = $start_time[0];
            echo '<br>';
            echo $start_time;
        }

        // It's a line of the file that doesn't include a timestamp, so it's caption text. Ignore header of file which includes the word 'WEBVTT'
        if (!$start_time && (!strpos($f, 'WEBVTT')) ) {             
            echo ' ' . $f . ' ';
        }   

    }       
}

$file='test.vtt'；
$file_as_array=file（$file，file_IGNORE_NEW_line | file_SKIP_EMPTY_line）；
foreach（$file_as_数组as$f）{
//查找包含“->”的行
$start\u time=false；
如果（preg_match（“/^（\d{2}:[\d\.]+）-->\d{2}:[\d\.]+$/”，$f，$match））{
$start_time=explode（'-->'，$f）；
$start_time=$start_time[0]；
回声“
”；
echo$start_时间；
}
//这是一行不包含时间戳的文件，所以它是标题文本。忽略包含单词“WEBVTT”的文件头
如果（！$start\u time&（！strpos（$f，'WEBVTT'））{
回声“.$f.”；
}   
}       
}

要解析文件，可以使用如下库：

00:00.999 sentence one 00:04.999 sentence two 00:07.999 third sentence with a line break 00:10.999 a fourth sentence on three lines

<?PHP

function send_reformatted($vtt_file){
 // Add these headers to ease saving the output as text file
    header("Content-type: text/plain");
    header('Content-Disposition: inline; filename="'.$vtt_file.'.txt"');

    $f = fopen($vtt_file, "r");
    $line_new = "";

    while($line = fgets($f)){
        if (preg_match("/^(\d{2}:[\d\.]+) --> \d{2}:[\d\.]+$/", $line, $match)) {
            if($line_new) echo $line_new."\n";
            $line_new = $match[1];
        } else{
            $line = trim($line);
            if($line) $line_new .= " $line";
        }
    }

    echo $line_new."\n";
    fclose($f);
}


send_reformatted("test.vtt");

?>

$subtitles = Subtitles::load('subtitles.vtt');
$blocks = $subtitles->getInternalFormat(); // array

foreach ($blocks as $block) {
    echo $block['start'];
    echo $block['end'];
    foreach ($block['lines'] as $line) {
        echo $line;
    }
} 

---

如果你能更详细地阐述你所面临的具体问题，你可能会得到更好的答案。最好的方法是什么？有数百种不同的方法，到目前为止你都尝试了什么？怎么样

strpos（）

？如果您需要一些基本的开始，请在所有行上创建，使用

strpos（）

检查

-->

，使用

preg_match（）

解析该行，将以下所有行读入字符串，直到到达空行，重复直到到达EOF。有关解析WebVTT文件的更多信息，请参阅。具体问题是，我正在寻找实现示例中给出的输出的最佳方法。因此，详细说明如何使用您的建议（strpos和preg_match）来实现这一点是我真正想要的信息。这似乎就是输出整个文件？如果您将我给出的示例复制到一个名为test.vtt的文件中，然后运行send_reformatted（“test.vtt”），它将按照提供的格式输出该文件。在发布上述代码之前，我已经对其进行了测试，效果良好。我必须检查一下为什么它对你不起作用。我在ubuntu上。您的操作系统是什么？在Apache、PHP5.3下的CentOS服务器上运行。事实上，我已经想出了一些几乎能满足我需要的东西，所以我会在完成后将其全部发布。你上面回复中的preg_匹配非常有用，并在我的解决方案中使用了它。谢谢。我不得不调整正则表达式来解释hh:mm:ss，但其他的原因是它按预期工作