字幕

SubRip 文件格式在Matroska多媒体容器格式网站作为“也许是所有字幕格式中最基本的”。SubRip (SubRip Text)文件以扩展名.srt，并包含由空行分隔的组中的格式化纯文本行。字幕从 1 开始按顺序编号。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填充为零的数字，分数固定为三个填充为零的数字（00：00：00,000）。使用的分数分隔符是逗号，因为该程序是在法国编写的。

如何从字幕加载数据（.srt）文件

请从此处下载示例 .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'

Document loader 概念指南
Document loader 操作指南

相关