[파이썬] 자막 파일에서 대사만 남기기 예제 Python Example : Extracting Only Dialogue from Subtitle Files

예제 : 영화 자막 파일에서 대사만 남기고 정리하기

 

import re

def subtitle(input):

    #시간 정보를 가지고 있는 행을 제거

    time = re.compile(r'\d+\n\d{2}:\d{2}:\d{2},\d{3} --> \d{2}:\d{2}:\d{2},\d{3}')

    result_text = re.sub(time, '', input)

    # <i> 태그와 하이픈(-) 제거

    result_text = re.sub(r'<\/?i>|-', '', result_text)

    # 여러 개의 연속된 빈 줄을 하나의 빈 줄로 대체

    result_text = re.sub(r'\n\s*\n', '\n\n', result_text)

    return result_text.strip()

# 사용 예시

ori = """

4

00:00:09,449 --> 00:00:11,836

<i>Dr. Eugene Porter

is a scientist,</i>

5

00:00:12,025 --> 00:00:14,556

and he knows exactly

what caused this mess.

6

00:00:18,329 --> 00:00:20,704

<i>We'll find another vehicle.

We'll go with them until we do.</i>

7

00:00:22,156 --> 00:00:23,894

<i>- What do you think?

- Let's go.</i>

"""

result = subtitle(ori)

print(result)

 

출력>

Dr. Eugene Porter
is a scientist,

and he knows exactly
what caused this mess.

We'll find another vehicle.
We'll go with them until we do.

 What do you think?
 Let's go.

---

추가 예제 : strip 함수 없이 처리하려면? (처음과 끝의 공백 문자 제거)
How can it be done without using the strip function?

 

result_text = re.sub(r'^\s*|\s*$', '', result_text)

• ^: 문자열의 시작
• \s*: 0개 이상의 공백 문자(스페이스, 탭, 개행문자 등)
• |: 논리적 OR
• \s*$: 문자열의 끝에 있는 0개 이상의 공백 문자
  
  
• ^\s*: 문자열의 시작에서 0개 이상의 공백 찾기
• |\s*$: 또는 문자열의 끝에서 0개 이상의 공백 찾기