具名捕获组是处理字幕时间轴的关键技术，能明确标识开始时间、结束时间与正文，解决普通正则无法区分起止位置的问题；其标准srt模式可精准提取时分秒毫秒并支持容错，结合whisper词级时间戳可实现语义级断句与对齐。
具名捕获组不是炫技工具，而是处理字幕时间轴时真正能“认出谁是谁”的关键手段。它让正则表达式不再只匹配一串字符，而是明确告诉程序：“这个数字是开始时间”，“那个是结束时间”，“这是字幕正文”。这对后续做时间校准、语义分段、多语言对齐都至关重要。
为什么普通正则不够用？
比如 SRT 字幕里一行时间码：
00:01:23,450 --> 00:01:26,780
用 \d{2}:\d{2}:\d{2},\d{3} 能匹配，但无法区分哪边是起始、哪边是结束。每次还要靠位置硬记，极易出错。具名捕获组直接把结构“命名”出来，逻辑清晰、维护成本低。
标准 SRT 时间码的具名捕获写法
推荐正则模式（兼容多数编程语言）：(?P<start_h>\d{2}):(?P<start_m>\d{2}):(?P<start_s>\d{2}),(?P<start_ms>\d{3})\s*-->\s*(?P<end_h>\d{2}):(?P<end_m>\d{2}):(?P<end_s>\d{2}),(?P<end_ms>\d{3})</end_ms></end_s></end_m></end_h></start_ms></start_s></start_m></start_h>
- start_h / end_h：分别捕获小时位，便于后续转为毫秒时统一计算
-
start_ms / end_ms：毫秒字段单独命名，避免和秒混淆（如
00:00:01,500中的500是毫秒，不是 500 秒） - 中间的
\s*-->\s*允许空格容错，适配不同导出工具生成的格式差异
对接 Whisper 词级时间戳的实际用法
Faster-Whisper 输出的 JSON 常含类似结构：{"text": "一只猫咪", "tokens": [...], "timestamp": [1.23, 2.68]}
但原始输出可能混着静默段或未对齐。这时可先用具名正则清洗原始日志行，例如提取日志中形如 [INFO] word '猫咪' aligned at 2.45s (±0.08) 的记录：
- 正则：
\[INFO\]\s+word\s+'(?P<word>[^']+)'\s+aligned\s+at\s+(?P<time>\d+\.\d+)s</time></word> - 提取后可直接构造词级时间轴对象：
{"word": "猫咪", "start": 2.45, "duration": 0.08} - 后续合并为句级区间时，就可基于
word和start精确控制断句点，避开语义断裂
处理长句自动拆分时的命名协同
当需要把一句超长字幕（如 8 秒内 42 个汉字）按语义切为两行显示时，不能只靠长度硬截。理想做法是结合 Whisper 词级时间戳 + 具名捕获定位断点：
- 先用具名正则从 SRT 提取原句时间范围：
(?P<full_start>...)</full_start>和(?P<full_end>...)</full_end> - 再查该区间内 Whisper 输出的词级时间戳，找一个语义停顿位置（如“的”“了”“，”后且静默＞300ms）
- 用捕获到的
full_start和该停顿时间生成第一段新时间码，剩余部分用停顿时间到full_end构造第二段 - 整个流程依赖命名字段传递上下文，不靠数组下标或顺序假设
