字幕翻译不只是句子顺：时轴和空行也要验收

本文使用合成样本演示处理方法。代码已通过隔离环境中的示例检查；这不代表对所有真实文件或产品效果的保证。处理重要文件前，请保留原件，并按文中的边界与验收项复核。 字幕文字翻译完了，时轴被挤进同一行，播放器就可能无法正确读取。SRT 的序号、时间范围、正文行与段落空行各有作用。检查时应保留这些层次，不用整份文件的换行总数判断质量。 先限定接受的 SRT 方言 下面只支持常见的序号加 HH:MM:SS,mmm --> HH:MM:SS,mmm 格式，每个块至少一行正文。它不处理样式扩展、字幕定位信息或其他字幕格式。合成协议还要求顺序连续且时段不重叠；真实项目允许重叠时应另行调整这一规则。 把格式解析与时间比较分开 import re STAMP = r"[0-9]{2}:[0-9]{2}:[0-9]{2},[0-9]{3}" def millis(text): h, m, rest = text.split(":") s, ms = rest.split(",") if int(m) >= 60 or int(s) >= 60: raise ValueError("invalid minute or second") return ((int(h) * 60 + int(m)) * 60 + int(s)) * 1000 + int(ms) def parse_srt(text): blocks = re.split(r"\n[ \t]*\n", text.replace("\r\n", "\n").strip()) result, previous_end = [], 0 for index, block in enumerate(blocks, 1): lines = block.splitlines() if len(lines) < 3 or lines[0] != str(index): raise ValueError("sequence or body missing") match = re.fullmatch(f"({STAMP}) --> ({STAMP})", lines[1]) if not match: raise ValueError("invalid timestamp line") start, end = map(millis, match.groups()) if start < previous_end or end <= start: raise ValueError("overlap or reversed interval") result.append((start, end, lines[2:])) previous_end = end return result sample = "1\n00:00:01,000 --> 00:00:02,000\nHello\nWorld\n\n2\n00:00:02,500 -- > 00:00:03,000\nNext" parsed = parse_srt(sample) assert parsed[0] == (1000, 2000, ["Hello", "World"]) assert len(parsed) == 2 try: parse_srt(sample.replace("00:00:02,500", "00:00:01,500")) except ValueError: pass else: raise AssertionError("overlap accepted by strict example contract") 翻译前后比较受保护部分 项目 期望 不能替代的检查 序号与块数 按项目约定保留 是否确实漏译 时间范围 未授权时不改 对话与画面同步 正文行 可读且不混入时轴 阅读速度与语言自然度 空行分隔 保持块边界 播放器实际兼容性 结构通过之后还要播放 代码没有测量阅读速度，也不知道画面中的说话人。正式交付应使用目标播放器检查显示、换行和同步，尤其是字幕变长的语言。结构检查能提前拦住一部分错误，但不能把播放验收省掉。 把格式约束交给翻译工作流 借助 OmniDoc（产品入口） 评估相关文档翻译时，先确认当前入口是否支持所需字幕格式，并明确时轴需要保留。本文不据此宣称平台提供某个字幕接口；可复用的是“结构不变、正文可审”的验收思路。 参考： Python 日期与时间类型 。本例用整数毫秒比较相对时轴，不把字幕时间当作某一天的墙上时间。 - 1 -