C++如何解析Subtitle(SRT/ASS)字幕文件-C++-PHP中文网

srt文件按空行分隔条目，每条含纯数字序号、含“ --> ”的时间轴行（格式如00:01:23,456 --> 00:01:25,789）及可跨行的正文；ass更复杂，需跳过注释、定位[events]节，解析dialogue:行并从右往左找第9个逗号以提取字幕文本，时间戳应手动分割计算总毫秒数，推荐流式逐行解析而非全文加载。

c++如何解析subtitle(srt/ass)字幕文件

怎么读SRT文件的序号、时间轴和正文

SRT格式本质是纯文本，靠空行分隔条目，每条由序号、时间轴、多行字幕文本组成。直接用std::ifstream逐行读取最稳妥，别用getline一次性读整个块——容易因换行不一致（Windows/Linux）或空格缩进错位而解析失败。

关键点：序号行必须是纯数字；时间轴行必须含-->且前后有空格；字幕正文可跨行，但下一条的序号行或文件结尾是它的终止信号。

用std::string::find(" --> ")定位时间轴行，比正则快且无依赖
时间格式如00:01:23,456 --> 00:01:25,789，毫秒用逗号分隔，不是英文句点
遇到空行就结束当前条目，立即开始下一条；文件末尾没空行也要手动触发保存最后一条

ASS文件解析难点在格式头和样式控制码

ASS比SRT复杂得多：开头有[Script Info]、[V4+ Styles]、[Events]三个强制节区，且字幕正文里混着{\i1}斜体{\i0}这类控制码。硬切字符串会崩，必须按节跳转。

先跳过所有以;开头的注释行；遇到[Events]后才开始解析字幕事件；每一行Dialogue:开头的才是有效字幕，字段用英文逗号分隔，共10个固定位置（第10字段才是字幕文本）。

Dialogue:行中，第1–9字段不能直接split(",")，因为第10字段本身可能含未转义的逗号（比如Dialogue: 0,0:00:01.00,0:00:03.00,Default,,0,0,0,,Hello, world!）
正确做法：从右往左找第9个逗号（即第10字段起始位置），用substr截取
控制码如{\an8}、{\c&HFF0000&}可暂忽略，除非你要渲染——保留原样存入text字段即可

时间戳转换：别用`sscanf`硬解HH:MM:SS,mmm

手写sscanf(line.c_str(), "%d:%d:%d,%d", &h, &m, &s, &ms)看似简单，但ASS里时间可能只有0:01:23.45（缺前导零）或00:01:23.4567（毫秒超三位），sscanf会截断或匹配失败。

C++ Code Review Master

组合式C++代码评审方案，融合静态分析、AI推理、多轮迭代评审和C++专项检查，适用于PR审查、增量代码审查、全项目评审和代码质量评分，触发词包括review cpp、cpp代码评审、C++review、代码审查。

下载

更稳的方式是用std::string::find_first_of(":,." )定位分隔符，逐段std::stoi，再加权计算总毫秒数：

int h = std::stoi(time_str.substr(0, colon1));
int m = std::stoi(time_str.substr(colon1+1, colon2-colon1-1));
int s = std::stoi(time_str.substr(colon2+1, comma-colon2-1));
int ms = std::stoi(time_str.substr(comma+1)); // 自动截断多余位数
int total_ms = ((h * 60 + m) * 60 + s) * 1000 + ms;

ASS里时间也可能用英文句点.作毫秒分隔符，需统一替换为逗号再处理
某些老旧SRT用句点，得兼容；但标准SRT规范要求用逗号，优先按逗号解析，失败再 fallback 到句点

内存布局：别把整文件读进`std::string`再切

大型字幕文件（尤其ASS带大量样式定义）可能几MB，std::string一次性加载再find/substr会产生多次拷贝，CPU缓存不友好。流式解析更轻量。

用std::ifstream配合std::getline逐行读，每行只存当前上下文需要的数据（比如只记当前节区名、上一行是否为空、当前是否在[Events]内），状态机驱动比正则或全文匹配更可控。

定义一个结构体SubtitleEntry，只存start_ms、end_ms、text三个字段，避免冗余字段拖慢vector扩容
ASS的[V4+ Styles]节可以跳过，除非你要做字体/颜色渲染；但至少要读完[Events]前的所有节，否则可能漏掉PlayResX等影响布局的参数
Windows下文件编码可能是GBK或UTF-16，std::ifstream默认按本地编码读——若遇到乱码，需用std::wifstream + std::codecvt_utf8<wchar_t></wchar_t>，但代价高；实际项目中建议外部统一转UTF-8再喂给解析器