字幕
SubRip 文件格式 在
Matroska多媒体容器格式网站上被描述为“可能是所有字幕格式中最基本的”。SubRip (SubRip Text)文件以.srt扩展名命名，包含格式化的纯文本行，这些行以空行分隔。字幕按顺序编号，从 1 开始。使用的时码格式为小时：分钟:秒,毫秒，时间单位固定为两位零填充的数字，分数固定为三位零填充的数字 (00:00:00,000)。由于程序是在法国编写的，因此使用的分数分隔符是逗号。
如何从字幕 (.srt) 文件中加载数据
请从 这里下载示例 .srt 文件。
%pip install --upgrade --quiet pysrt
from langchain_community.document_loaders import SRTLoader
API 参考：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'