从YouTube视频中提取自动字幕

Question

我在从YouTube视频中提取自动字幕时遇到问题.

我尝试使用http://video.google.com/timedtext?type=track&v=3wszM2SA12E&name=Automatic&lang=en方法,但该方法仅适用于那些已命名曲目的视频.例如,这个没有任何命名的轨道(只有自动标题)并且没有加载:rrkrvAUbU9Y

有几个网络应用程序可以做到(如http://www.serpsite.com/youtube-subtitles-download-tool/和http://mo.dbxdb.com/),但我需要一个脚本,因为我想用它进行研究.

任何人都有任何想法得到这个的正确方法是什么？YouTube的API有关于字幕的内容,但仅针对注册用户,而上述应用适用于所有视频,我怀疑他们只是从页面中捕获html代码(虽然这也是可能的).一定有办法......请帮忙!

Answer 1

您需要先调用另一个 API：http : //video.google.com/timedtext?type=list&v=3wszM2SA12E

这将为您提供可用曲目的列表。在您的情况下，只能获得一首曲目：id="0" name="Automatic" lang_code="en" lang_original="English" lang_translated="English" lang_default="true"

在这个特定的视频中，我可以按名称获取曲目name=Automatic：

https://video.google.com/timedtext?type=track&v=3wszM2SA12E&name=Automatic&lang=en

但对于另一个视频id=工作正常：

http://video.google.com/timedtext?type=track&v=zenMEj0cAC4& id=0 &lang=en

Answer 2

这是我花了一些时间后的建议：

• Js 库：https : //github.com/syzer/youtube-captions-scraper => 支持自动生成的标题。

• 下面的 2 个快速方法不支持自动生成的标题

  • 获取字幕列表：http : //video.google.com/timedtext?type= list& v=lT3vGaOLWqE
  • 获取带有轨道 ID 的字幕：http : //video.google.com/timedtext?type= track& v=lT3vGaOLWqE& id=0& lang=en

• 快速下载：http : //downsub.com/?url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3Dag_EJRhMfOM

Answer 3

从页面获取数据的一个好方法是使用 file_get_contents ，但这仅适用于视频具有“CC”或字幕按钮的情况，但不幸的是，当视频具有“CC”或字幕按钮时，您可以从 xml 文件中获取所有文本元素，如某人所述的“Youtube 字幕”服务表示，它需要 YouTube 用户启用字幕才能获取字幕，因此不幸的是，如果没有启用“CC”，您无法从视频中获取字幕，但是如果您仍然想要，可以在 xml 文件上使用 file_get_contents，然后找到所有“文本”标签，然后将其转换为标题。