如何获得干净的 YouTube 成绩单

Question

我正在尝试获取视频字幕数据，为此我正在使用 downsub。

我没有办法得到干净的字幕，没有 HTML 标签和时间戳，没有把它带到记事本并适当地进行替换程序。

这很麻烦，我想使用 python 自动执行清洁过程。

https://colab.research.google.com/drive/1bbgbjbGF9bjzz3FISMfycSW4iHCj3pxk

我正在寻找一个非常非常简单的解决方案，任何人只需 Python 的基本知识就可以理解。如果需要，我愿意使用 API，但如果这需要很长时间，如果快速完成，手动清理仍然只需要几分钟。自动化会很好；会减轻头痛。考虑到这一点，请提出一个好的解决方案。

Answer 1

已对替代品进行了一些更改，但应该这样做：

import requests

down_url = "https://downsub.com/index.php?title=5+Am+Club+by+Robin+Sharma+%7C%7C+Review%2C+Takeaways+and+Discussion&url=ujcNaH9TaDy8U56iM_1ZReCKk1h83rjIvE7i146GYHUNIwZwKM02q9oUSieWkZ47Tw2OOJgFBvlU0he-sxkGIASxRnTcdMwE1QrZ3CAsyI5gLS6A0ovxFMmFJx5EAC5wtwexy0R1vzZfNdt6dBse3H-vOhq8xnqL-LdhSbiePZ5E_KEYrYuFzPvF2JpEARuCOA6XlqQQzV7iooSEObb9AejBkNj_uHhNnO0RVJ0E-pVAJjWLdjUnIdXGPkJUsd5Ceg5qeTVKjtBQhWyf6qCuwE_BAezDSDAF6DgLCFRnwc2Uc9onnorwYncvzIge1soln3FnkifpyHiPB3cK0h0f5yMUy-DJHervcQXQEHdUf-npkCzRgeba283yoN7orAovE0iaIihvFMectGYKT27eXLdrLdQQ3sUcWFqRB6SjZ8g"

data = requests.get(down_url).text


clean = ['<font color="#CCCCCC">',
         '<font color="#E5E5E5">',
         '<font color="#EEE">',
         '</font>',
         0,1,2,3,4,5,6,7,8,9,
         '::, --> ::,',]


for s in clean:
    data = data.replace(str(s), '')

data = data.replace('\n\n\n\n', '\n')

print(data)

如何获得干净的 YouTube 成绩单

How to get a clean YouTube transcript

python

youtube

timestamp

subtitle

data-cleaning