字幕

SubRip 文件格式在 Matroska 多媒体容器格式网站上被描述为“所有字幕格式中最基本的一种”。SubRip (SubRip Text) 文件以 .srt 为扩展名命名，并包含多组格式化的纯文本行，各组之间以空行分隔。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，时间单位固定为两位零填充数字，小数部分固定为三位零填充数字（00:00:00,000）。由于该程序在法国编写，所以小数分隔符使用逗号。

如何从字幕（.srt）文件加载数据

请点击此处下载示例 .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'

文档加载器概念指南
文档加载器操作指南

相关​

相关