双语歌曲LRC歌词文件整理
本帖最后由 wzvideni 于 2023-11-20 14:15 编辑### 双语歌曲LRC歌词文件整理
2023:11:20更新：
1. 修改删除的判断，添加被之前删除，加入判断如果在时间轴前不存在offset标签自动添加
2. 添加翻译时间轴的矫正，毫秒差在10ms内的判断为同一时间轴
强迫症犯了，自己写的一个双语歌词歌曲LRC歌词文件的自动整理程序，会递归整理输入目录下的所有LRC文件，代码如下：
```python
import os
import re
# 无用内容元组
useless = ('', '\\\\', '//')
def lyrics_editor(lrc_path):
# 新建一个空的歌词字典，键为时间轴或者歌曲信息，值为值为歌词列表（列表是为了存歌词翻译）
lrc_map = {}
with (open(lrc_path, encoding='utf-8') as lrc):
# 如果有歌词和翻译时间轴不对应的情况，在修正后，将不对应的键添加进del_timeline列表统一删除
del_timeline = list()
# 逐行读取：“这里是歌词”
for line in lrc:
# 判断读取行是否为空白字符（换行符），过滤空白行
if not line.isspace():
# 匹配时间轴：“”
timeline = re.search(r'\[.*]', line).group()
# 将读取行中的时间轴和歌词末尾的换行符清除后则为歌词
lyrics = line.replace(timeline, '').strip()
# 如果时间轴中包含“by”、”offset“、”kana“其中的一个并且起始索引都为1，此标签大部分为垃圾信息，跳过循环
if timeline.find('by') == 1 or timeline.find('kana') == 1:
continue
# 如果歌词内容在无用内容元组中或者包含“QQ音乐”、跳过循环
if lyrics in useless or lyrics.find('QQ音乐') != -1:
# 如果不是时间轴中包含“ti”、”ar“、”al“其中的一个并且起始索引都为1则表示读取的是歌曲的相关信息，则跳过循环
if not (timeline.find('ti') == 1 or timeline.find('offset') == 1 or timeline.find(
'ar') == 1 or timeline.find('al') == 1):
continue
# 时间轴不存在歌词字典中则表示现在为写入原歌词阶段
if timeline not in lrc_map:
# 将时间轴为键，歌词为值存入歌词字典，其中歌词以列表的形式存储
lrc_map = list()
lrc_map.append(lyrics)
# 以下部分是校正时间轴的代码
# 分割时间轴对应的分
timeline_minutes = timeline
# 分割时间轴对应的秒
timeline_seconds = timeline
# 分割时间轴对应的毫秒
timeline_millisecond = timeline
# 如果分割时间轴对应的分是数字就表示是时间轴
if timeline_minutes.isdigit():
# 遍历歌词字典查找是否有歌词和键不匹配的情况
for key, value in lrc_map.items():
# 分割键对应的分
minutes = key
# 分割键对应的秒
seconds = key
# 分割键对应的毫秒
millisecond = key
# 继续判断是否是数字
if minutes.isdigit():
# 分秒一定要相同
if timeline_minutes == minutes and timeline_seconds == seconds:
# 判断毫秒差绝对值不超过10ms，则表示翻译时间轴不对应并找到了正确的时间轴
if abs(int(timeline_millisecond) - int(millisecond)) < 10:
# 如果当前歌词不存在于歌词字典才继续，防止重复添加
if lyrics not in lrc_map:
# 把时间轴添加进入将要删除的时间轴列表
del_timeline.append(timeline)
# 往正确的时间轴写入翻译
lrc_map.append(lyrics)
# 否则时间轴存在歌词字典中则表示现在为写入歌词翻译阶段
else:
# 如果歌词翻译不在键对应的歌词列表中则添加进去，防止重复添加
if lyrics not in lrc_map:
# 将歌词添加到键对应的值列表中
lrc_map.append(lyrics)
for del_key in del_timeline:
del lrc_map
# 清空原文件歌词内容
with open(lrc_path, 'w') as lrc:
lrc.truncate(0)
offset_flag = 1
last_key = ''
# 遍历歌词字典
for key, value in lrc_map.items():
# 在00:00.00前写入换行符，分隔歌曲信息和歌词
if offset_flag == 1:
if key.find('00:00') == 1:
# 查找00:00.00是否存在offset，不存在则自动添加
if last_key.find('offset') == 1:
with open(lrc_path, 'a', encoding='utf-8') as lrc:
lrc.write('\n')
else:
with open(lrc_path, 'a', encoding='utf-8') as lrc:
lrc.write('\n\n')
offset_flag = 0
# 当前歌词值列表长度大于1（即存在翻译时）就额外在歌词和翻译前添加一个换行符
# 写入前换行便于和歌曲信息隔开来（但是仅限于翻译存在时可以很好地分隔开来）
if len(value) > 1:
with open(lrc_path, 'a', encoding='utf-8') as lrc:
lrc.write('\n')
# 遍历当前时间轴键的歌词列表把时间轴和歌词拼接后写入歌词文件
for lyrics in value:
with open(lrc_path, 'a', encoding='utf-8') as lrc:
lrc.write(f'{key}{lyrics}\n')
last_key = key
def walk_path(input_path):
# 统计更改的文件数量
count = 0
# 遍历目录
for root, dirs, files in os.walk(input_path):
# 循环目录中的文件
for file in files:
# 匹配*.lrc文件
match = re.search(r'.*\.lrc$', os.path.join(root, file))
# 匹配成功
if match:
# 获取路径
lrc_path = match.group()
# 执行编辑
lyrics_editor(lrc_path)
# 输出编辑完成的文件路径
print(lrc_path)
count += 1
print(f'\n已处理数量：{count}')
if __name__ == '__main__':
print('双语歌曲LRC歌词文件整理')
# lrc文件所在目录
path = input("请输入lrc文件所在目录的路径：")
while path == '':
path = input('路径不能为空：')
walk_path(path)
input('按任意键继续……')
```
整理前：
```kotlin
シュガーコート - Dazbee (ダズビー)
词：笹川真生
曲：笹川真生
裸足のままどっか逃げ出したい？
まだ腑に落ちたい？
それでどうしたい？
息ひとつさえうまく吸えないで
その細い手足では怠いでしょう
...
QQ音乐享有本翻译作品的著作权
//
//
想赤脚逃到某个地方吗
想要了解更多吗
然后呢 你想怎么做呢
明明连正常呼吸都如此困难了
你那纤细的四肢根本难以抵御吧
...
```
整理后：
```kotlin
シュガーコート - Dazbee (ダズビー)
词：笹川真生
曲：笹川真生
裸足のままどっか逃げ出したい？
想赤脚逃到某个地方吗
まだ腑に落ちたい？
想要了解更多吗
それでどうしたい？
然后呢 你想怎么做呢
息ひとつさえうまく吸えないで
明明连正常呼吸都如此困难了
その細い手足では怠いでしょう
你那纤细的四肢根本难以抵御吧
```
运行截图：
exe编译程序：
https://wwur.lanzout.com/iFHR71fe52yh 本帖最后由 wzvideni 于 2023-11-14 15:27 编辑
小小/ng 发表于 2023-11-14 14:53
还要规避这样的一样的，怎么搞
import os.path
import re
def merge_subtitles(srt1, srt2, output):
subtitles1 = list()
subtitles2 = list()
# 读取第一个字幕文件
with open(srt1, encoding='utf-8') as lines:
for line in lines:
if not line.isspace():
subtitles1.append(line)
# 读取第二个字幕文件
with open(srt2, encoding='utf-8') as lines:
for line in lines:
if not line.isspace():
subtitles2.append(line)
# 合并字幕
merged = []
i1 = i2 = 0
while i1 < len(subtitles1) and i2 < len(subtitles2):
timeline = ''
if i1 != 0:
# 获取前一行的时间轴
timeline = re.search(r'(\d+:\d+:\d+\.\d+)( --> )(\d+:\d+:\d+\.\d+)', subtitles1)
if timeline:
if subtitles1 != subtitles2:
mix_english = re.search(r'+', subtitles1)
if mix_english:
merged.append(subtitles2)
else:
# 添加第一行字幕
merged.append(subtitles1)
# 添加第二行字幕
merged.append(subtitles2)
else:
merged.append(subtitles1)
merged.append('\n')
else:
merged.append(subtitles1)
i1 += 1
i2 += 1
# 如果输出文件存在则清空
if os.path.exists(output):
with open(output, 'w') as lrc:
lrc.truncate(0)
# 写入合并后的字幕文件
with open(output, 'w', encoding='utf-8') as f:
f.writelines(merged)
if __name__ == '__main__':
srt1 = 'ko.srt'
srt2 = 'zh.srt'
output = 'merged.srt'
merge_subtitles(srt1, srt2, output)
词和翻译相同的只保留一个
混合英语的只保留了翻译 本帖最后由 wzvideni 于 2023-11-14 14:42 编辑
小小/ng 发表于 2023-11-14 13:51
import os.path
import re
def merge_subtitles(srt1, srt2, output):
subtitles1 = list()
subtitles2 = list()
# 读取第一个字幕文件
with open(srt1, encoding='utf-8') as lines:
for line in lines:
if not line.isspace():
subtitles1.append(line)
# 读取第二个字幕文件
with open(srt2, encoding='utf-8') as lines:
for line in lines:
if not line.isspace():
subtitles2.append(line)
# 合并字幕
merged = []
i1 = i2 = 0
while i1 < len(subtitles1) and i2 < len(subtitles2):
timeline = ''
if i1 != 0:
# 获取前一行的时间轴
timeline = re.search(r'(\d+:\d+:\d+\.\d+)( --> )(\d+:\d+:\d+\.\d+)', subtitles1)
if timeline:
# 添加第一行字幕
merged.append(subtitles1)
# 添加第二行字幕
merged.append(subtitles2)
merged.append('\n')
else:
merged.append(subtitles1)
i1 += 1
i2 += 1
# 如果输出文件存在则清空
if os.path.exists(output):
with open(output, 'w') as lrc:
lrc.truncate(0)
# 写入合并后的字幕文件
with open(output, 'w', encoding='utf-8') as f:
f.writelines(merged)
if __name__ == '__main__':
srt1 = 'ko.srt'
srt2 = 'zh.srt'
output = 'merged.srt'
merge_subtitles(srt1, srt2, output)
这个样子吗？
1
00:00:38.000 --> 00:00:41.000
어디서 왔니 홀연히
突然来自于哪里
2
00:00:41.000 --> 00:00:44.000
고요했던 세상의 Crash
寂静世界的 Crash
3
00:00:44.000 --> 00:00:48.000
Chill Kill의 등장 마치 Thunder
Chill Kill 的出现就像 Thunder
后面准备弄个词文件，感谢分享 感谢分享，非常实用的，初略看了一下，没看懂，能否给个示例就更好了。 感谢分享 感谢老大的分享 这个不错，可以，感谢分享 vethenc 发表于 2023-11-12 23:12
感谢分享，非常实用的，初略看了一下，没看懂，能否给个示例就更好了。
没关系，我来当机器运行，给你转述一下运行流程。
第一部分：遍历提取LRC歌词中的歌名部分，具体的抓取条件可以去研究一下LRC各个标签的功能，就跟discuz论坛的功能代码，比如Fly飞行字、Size设置字体大小之类的。
第二部分：用各种过滤条件抓取到歌名之后，用歌名去撞库，判断该歌名对应的歌词是否为外语，如果是外语则标记为1
第三部分：对外语歌的歌词进行处理，主要有2种处理类型，1、对文件夹里存在歌名同名的两种歌词进行融合，比如《极乐净土》中文.lrc和《极乐净土》日文.lrc这是一首歌的两个歌词文件，他俩的头部艺术家信息是一样的，都是、这样的，这就被判断为同一首歌的两种语言歌词，然后融合处理就是把每一行相同时间标签的中文歌词穿插到原日文歌词里变成双行显示。2、对外语歌词进行翻译处理，以时间标签开头、换行结尾，断为一句歌词，逐句进行翻译，在每行原文歌词下面复制原时间标签，附上翻译歌词，组成双行显示 高手，谢谢分享
这个不错，厉害厉害