副标题

The SubRip file format 在 Matroska 多媒体容器格式网站上被描述为“或许是最基本的所有字幕格式”。 SubRip (SubRip Text) 文件的扩展名为 .srt，并且包含格式化的纯文本行，这些行由空行分隔。字幕按顺序编号，从 1 开始。使用的时码格式是 hours:minutes:seconds,milliseconds，其中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)。由于该程序是在法国编写的，因此使用逗号作为小数分隔符。

如何从字幕 (.srt) 文件加载数据

请在此处下载示例 .srt 文件。

%pip install --upgrade --quiet  pysrt

from langchain_community.document_loaders import SRTLoader

API Reference: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 conceptual guide
Document loader how-to guides

Related​

Related