字幕文件格式

SubRip 文件格式 在 Matroska 多媒体容器格式的网站上被描述为“也许是所有字幕格式中最基本的一个。” SubRip (SubRip Text) 文件的扩展名为 .srt，其中包含由空行分隔的分组中的格式化纯文本行。字幕按顺序编号，从 1 开始。使用的时间码格式为小时:分钟:秒,毫秒，时间单位固定为两个零填充数字，分数固定为三个零填充数字 (00:00:00,000)。使用逗号作为小数分隔符，因为该程序是在法国编写的。

如何从字幕（.srt）文件加载数据

请从这里下载示例 .srt 文件。

%pip install --upgrade --quiet  pysrt

from langchain_community.document_loaders import SRTLoader

loader = SRTLoader(
    "example_data/Star_Wars_The_Clone_Wars_S06E07_Crisis_at_the_Heart.srt"
)

docs = loader.load()

docs[0].page_content[:100]

'<i>Corruption discovered\nat the core of the Banking Clan!</i> <i>Reunited, Rush Clovis\nand Senator A'