синтаксический анализ — чтение файлов WebVTT в переполнении стека
У кого-нибудь есть опыт чтения файлов WebVTT (.vtt) с использованием PHP?
Я разрабатываю приложение в CakePHP, где мне нужно прочитать кучу vtt-файлов и получить время начала и связанный текст.
Итак, как пример файла:
00: 00.999 -> 00: 04.999 предложение первое 00: 04.999 -> 00: 07.999 предложение второе 00: 07.999 -> 00: 10.999 третье предложение с разрывом строки 00: 10.999 -> 00: 14.999 четвертое предложение на три линии
Мне нужно иметь возможность извлечь что-то вроде этого:
00: 00.999 первое предложение 00: 04.999 предложение два 00: 07.999 третье предложение с переводом строки 00: 10.999 четвертое предложение в три строки
Обратите внимание, что могут быть разрывы строк, поэтому между каждой отметкой времени нет заданного количества строк.
Мой план состоял в том, чтобы искать «->», который является общей строкой между каждой отметкой времени. У кого-нибудь есть идеи, как лучше всего этого добиться?
Решение
Похоже, это дает то, что мне нужно, т.е. выводит время начала и любые последующие строки текста. Файлы, которые я использую, довольно малы, поэтому использование PHP-функции file () для считывания всего в массив выглядит нормально; не уверен, что это будет хорошо работать на больших файлах, хотя.
$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 ' ' . $f . ' ';
}
}
}
Другие решения
Вы можете сделать что-то вроде этого:
<?PHP
function send_reformatted($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");
?>
Для разбора файла вы можете использовать библиотеку следующим образом:
$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;
}
}