machine learning公开课的字幕获取脚本

话说10月10日斯坦福开始的machine learning很有意思，网站在这，而且视频可以下载，观看起来非常方便，但是有个问题就是下载下来的视频没有字幕，而从网上的视频有字幕，于是可以写个程序将字幕搞下来。

感谢scturtle提供的最初的脚本程序

下面是我经过修改的精简版，只要输入视频的文件名（名字中不要有后缀名）就可以下载字幕了

# coding: utf-8
import urllib2,os
import sys,re,codecs
limit=[60,60,60,1000]
def xml2srt(fi,fo):
data=''.join((fi.split('\n')[9:-4])).strip().split('</p>')
for i in range(0,len(data)-1):
if data[i]:
st_st=data[i].index('"')
st_ed=data[i].index('"',st_st+1)
if i+1<len(data)-1:
nx_st=data[i+1].index('"')
nx_ed=data[i+1].index('"',nx_st+1)
fo.write(str(i+1)+' \n')
stamps=[data[i][st_st+1:st_ed],
data[i+1][nx_st+1:nx_ed] if i+1<len(data)-1 else "99:59:59.999"]
word=data[i][data[i].index('>')+1:].replace('\n',' ')+' \n\n\n'
for i,stamp in enumerate(stamps):
stamp=stamp.split('.')
stamps[i]=map(int,stamp[0].split(':'))
stamps[i].append(int(stamp[1]))
stamps=map(lambda s:"%02d:%02d:%02d,%03d" % tuple(s),stamps)
fo.write("%s --> %s \n" % tuple(stamps))
fo.write(word)
print 'OK!'
baseurl='http://s3.amazonaws.com/stanford_videos/cs229/subtitles/%s-subtitles.xml'
fn=raw_input('file name:')
if os.path.exists(fn+'.srt'):
print 'file exit!'
exit(0)
fi=urllib2.urlopen(baseurl % fn).read()
fo=file(fn+'.srt','w')
xml2srt(fi,fo)
fo.close()
print 'Done'

为了方便使用，我还制作了windows下可执行的exe的程序，直接运行run.exe输入视频名就可以了，这里下载