Блог

Я установил pytube для извлечения подписей из некоторых видео на YouTube. Оба следующих кода дают мне подписи xml.

 from pytube import YouTube
yt = YouTube('https://www.youtube.com/watch?v=4ZQQofkz9eE')
caption = yt.captions['a.en']
print(caption.xml_captions)
 

а также, как упоминалось в документах

 yt = YouTube('http://youtube.com/watch?v=2lAe1cqCOXo')
caption = yt.captions.get_by_language_code('en')
caption.xml_captions
 

Но в обоих случаях я получаю вывод xml и при использовании

 print(caption.generate_srt_captions())
 

Я получаю ошибку, подобную следующей. Можете ли вы помочь в извлечении формата srt?

 KeyError
~/anaconda3/envs/myenv/lib/python3.6/site-packages/pytube/captions.py in 
generate_srt_captions(self)
49         recompiles them into the "SubRip Subtitle" format.
50         """
51         return self.xml_caption_to_srt(self.xml_captions)
52 
53     @staticmethod

~/anaconda3/envs/myenv/lib/python3.6/site-packages/pytube/captions.py in 
xml_caption_to_srt(self, xml_captions)
81             except KeyError:
82                 duration = 0.0
83             start = float(child.attrib["start"])
84             end = start   duration
85             sequence_number = i   1  # convert from 0-indexed to 1.

KeyError: 'start'
 

Это ошибка в самой библиотеке. Все, что ниже, сделано в pytube 11.01. В captions.py файл в строке 76 заменить:

 for i, child in enumerate(list(root)):
 

Для:

 for i, child in enumerate(list(root.findall('body/p'))):
 

Затем в строке 83 замените:

 duration = float(child.attrib["dur"])
 

Для:

 duration = float(child.attrib["d"])
 

Затем в строке 86 замените:

 start = float(child.attrib["start"])
 

Для:

 start = float(child.attrib["t"])
 

Если будет отображаться только количество строк и время, но не будет текста субтитров, замените строку 77:

 text = child.text or ""
 

Для:

 text = ''.join(child.itertext()).strip()
if not text:
    continue
 

Это сработало для меня, python 3.9, pytube 11.01. Удачи!

Я немного поработал над исходным кодом файла captions.py. Просто замените весь код этого файла этим кодом:

 import math
import os
import time
import xml.etree.ElementTree as ElementTree
from html import unescape
from typing import Dict, Optional

from pytube import request
from pytube.helpers import safe_filename, target_directory


class Caption:

    def __init__(self, caption_track: Dict):

        self.url = caption_track.get("baseUrl")

        name_dict = caption_track['name']
        if 'simpleText' in name_dict:
            self.name = name_dict['simpleText']
        else:
            for el in name_dict['runs']:
                if 'text' in el:
                    self.name = el['text']

        self.code = caption_track["vssId"]

        self.code = self.code.strip('.')

    @property
    def xml_captions(self) -> str:

        return request.get(self.url)

    def generate_srt_captions(self) -> str:

        return self.xml_caption_to_srt(self.xml_captions)

    @staticmethod
    def float_to_srt_time_format(d: float) -> str:

        fraction, whole = math.modf(d/1000)
        time_fmt = time.strftime("%H:%M:%S,", time.gmtime(whole))
        ms = f"{fraction:.3f}".replace("0.", "")
        return time_fmt   ms

    def xml_caption_to_srt(self, xml_captions: str) -> str:

        segments = []
        root = ElementTree.fromstring(xml_captions)
        count_line = 0
        for i, child in enumerate(list(root.findall('body/p'))):
        
            text = ''.join(child.itertext()).strip()
            if not text:
                continue
            count_line  = 1
            caption = unescape(text.replace("n", " ").replace("  ", " "),)
            try:
                duration = float(child.attrib["d"])
            except KeyError:
                duration = 0.0
            start = float(child.attrib["t"])
            end = start   duration
            try:
                end2 = float(root.findall('body/p')[i 2].attrib['t'])
            except:
                end2 = float(root.findall('body/p')[i].attrib['t'])   duration
            sequence_number = i   1  # convert from 0-indexed to 1.
            line = "{seq}n{start} --> {end}n{text}n".format(
                seq=count_line,
                start=self.float_to_srt_time_format(start),
                end=self.float_to_srt_time_format(end2),
                text=caption,
            )
            segments.append(line)

        return "n".join(segments).strip()

    def download(
        self,
        title: str,
        srt: bool = True,
        output_path: Optional[str] = None,
        filename_prefix: Optional[str] = None,
    ) -> str:

        if title.endswith(".srt") or title.endswith(".xml"):
            filename = ".".join(title.split(".")[:-1])
        else:
            filename = title

        if filename_prefix:
            filename = f"{safe_filename(filename_prefix)}{filename}"

        filename = safe_filename(filename)

        filename  = f" ({self.code})"

        if srt:
            filename  = ".srt"
        else:
            filename  = ".xml"

        file_path = os.path.join(target_directory(output_path), filename)

        with open(file_path, "w", encoding="utf-8") as file_handle:
            if srt:
                file_handle.write(self.generate_srt_captions())
            else:
                file_handle.write(self.xml_captions)

        return file_path

    def __repr__(self):
        return '<Caption lang="{s.name}" code="{s.code}">'.format(s=self)