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具有命名曲目的视频。例如，这个没有任何命名的轨道（只有自动字幕）并且没有加载：rrkrvAUbU9Y

有几个网络应用程序可以做到这一点（如http://www.serpsite.com/youtube-subtitles-download-tool/ 和http://mo.dbxdb.com/），但我需要一个脚本，因为我想将它用于我的研究。

任何人有任何想法得到这个的正确方法是什么？ YouTube 的 API 有一些关于字幕的内容，但仅适用于注册用户，而上面的应用程序适用于所有视频，我怀疑它们只是从页面中捕获 html 代码（尽管这也是可能的）。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，我可以通过名称name=Automatic 获得曲目：

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

但是对于另一个视频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 => 支持自动生成字幕。

• 以下2种快捷方式不支持自动生成字幕

  • 获取字幕列表：http://video.google.com/timedtext?type=list&v=lT3vGaOLWqE
  • 获取带有track 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 但这仅适用于如果视频具有“CC”或字幕按钮，但当它存在时，您可以获得所有文本不幸的是，xml文件中的元素正如“Youtube to caption”服务之一所记录的那样，它需要youtuber启用的字幕才能获取字幕，所以不幸的是，如果没有启用“CC”，您将无法从视频中获取字幕，但是如果你仍然想要你可以在 xml 文件上使用 file_get_contents，然后找到所有的“文本”标签，然后将它们转换为标题。

Answer 4

我查看了 downsub.com，发现以下 API 调用似乎适用于自动生成的字幕：

https://www.youtube.com/api/timedtext?expire=1491547251&v=YD1tc8lRsdQ&sparams=asr_langs%2Ccaps%2Cv%2Cexpire&hl=en_US&signature=6241BAB9F7E9DB164AFE496B40B4DA4B58B463FD.D7FEC5B2CC81721AF9928215343509E280FEF6BD&asr_langs=pt%2Cit%2Ces%2Cru%2Cfr%2Cko%2Cde%2Cja%2Cnl%2Cen&key=yttt1&caps=asr&kind=asr&lang=en