b站的彈幕，線下播放還是挺麻煩的，專用的彈幕播放器對其他格式的視頻支持不好。我也試著弄個彈幕轉字幕的小程序出來。
抓取xml文件的工作就不多說了，很簡單的事，只要在播放頁面看看源文件就能確定xml文件的地址進行抓取了。
本文主要是講述xml內的彈幕轉字幕的過程。
除去xml文件開頭結尾的一些七七八八的東西，彈幕主體是這樣的：
<d p="51.593,5,25,16711680,1408852480,0,7fa769b4,576008622">怒求 up 自己配音！</d><d p="10.286,1,25,16777215,1408852600,0,a3af4d0d,576011065">顏藝？</d><d p="12.65,1,25,16777215,1408852761,0,24570b5a,576014281">我的女神！</d><d p="19.033,1,25,16777215,1408852789,0,cb20d1c7,576014847">前！！！</d><d p="66.991,1,25,16777215,1408852886,0,a78e484d,576016806">已擼</d>
如果它把彈幕的各種屬性分開表示，我就用encoding/xml包來解碼，但是丫把彈幕的屬性都放在p里面了，所以我使用正則表達式來提取的。
以上表第一條彈幕為例。很明顯的，p屬性開始的浮點數，與播放時一比對，就能知道，表示的是彈幕應該出現的播放時間。隨后的1和25先不管；16777215，目測應該是顏色（因為該值表示為十六進制是FFFFFF）；1408852480，在彈幕中是遞增的，感覺應該是個unix時間，用這個數（d），求：d/86400/365.2425+1970，結果約為2014.6。看來確實是unix時間。估計是創建彈幕的時間。0，不知道，抓取了很多視頻的彈幕，這個位置都是0，暫且不管它。7fa769b4，估計是創建者的ID，因為同一xml文件會出現多次，而且看起來是十六進制數，恰好有些hash函數就是返回4字節整數。576008622，也是遞增的，不用猜也知道，這個肯定就是彈幕的ID了。
事后再核對一下，果然，1代表彈幕的類型（從右向左移動啊，出現在下方或者上方啊……），25是字體大小，16777125是字體顏色。
所以，我們就只要捕獲每條彈幕的時間、類型、大小、顏色、文本就行了。
正則表達式：
<d/sp="([/d/.]+),([145]),(/d+),(/d+),/d+,/d+,/w+,/d+">([^<>]+?)</d>
捕獲彈幕很簡單，關鍵是排布彈幕為字幕的算法。
關于這個算法我就很坑爹的弄了個亂七八糟的算法，采用的是固定移動速度，最小重疊的排布原則。
對游動彈幕，會傾向于選擇下面一行的位置，如果會重疊，則選擇更下一行（最低行會循環到最上面一行），如果沒有不重疊的行，會選擇重疊文本最少的行。
對上現隱/下現隱的固定彈幕，會選擇最接近上方/下方，且不重疊的行；如果沒有不重疊的行，則選擇重疊時間最短的行，居中放置字幕。
默認字體微軟雅黑，默認大小25，默認白色黑邊；默認占滿整個屏幕，共計12行；默認屏幕大小640x360。
這么弄，主要是為了讓ass字幕的效果更接近原始彈幕的效果。
高級彈幕真的超出我的能力范圍了，全部忽略掉。
go源代碼如下：
// 將bilibili的xml彈幕文件轉換為ass字幕文件。// xml文件中，彈幕的格式如下：// <d p="32.066,1,25,16777215,1409046965,0,017d3f58,579516441">地板好評</d>// p的屬性為時間、彈幕類型、字體大小、字體顏色、創建時間、？、創建者ID、彈幕ID。// p的屬性中，后4項對ass字幕無用，舍棄。被<d>和</d>包圍的是彈幕文本。// 只處理右往左、上現隱、下現隱三種類型的普通彈幕。package main import ( "fmt" "io" "io/ioutil" "math" "os" "regexp" "sort" "strconv" "strings") // ass文件的頭部const header = `[Script Info]ScriptType: v4.00+Collisions: NormalplayResX: 640playResY: 360 [V4+ Styles]Format: Name, Fontname, Fontsize, primaryColour, SecondaryColour, OutlineColour, BackColour, Bold, Italic, Underline, StrikeOut, ScaleX, ScaleY, Spacing, Angle, BorderStyle, Outline, Shadow, Alignment, MarginL, MarginR, MarginV, EncodingStyle: Default, Microsoft YaHei, 28, &H00FFFFFF, &H00FFFFFF, &H00000000, &H00000000, 0, 0, 0, 0, 100, 100, 0.00, 0.00, 1, 1, 0, 2, 10, 10, 10, 0 [Events]Format: Layer, Start, End, Style, Name, MarginL, MarginR, MarginV, Effect, Text` // 正則匹配獲取彈幕原始信息var line = regexp.MustCompile(`<d/sp="([/d/.]+),([145]),(/d+),(/d+),/d+,/d+,/w+,/d+">([^<>]+?)</d>`) // 用來保管彈幕的信息type Danmu struct { text string time float64 kind byte size int color int} // 使[]Danmu實現sort.Interface接口，以便排序type Danmus []Danmu func (d Danmus) Len() int { return len(d)}func (d Danmus) Less(i, j int) bool { return d[i].time < d[j].time}func (d Danmus) Swap(i, j int) { d[i], d[j] = d[j], d[i]} // 將正則匹配到的數據填寫入Danmu類型里func fill(d *Danmu, s [][]byte) { d.time, _ = strconv.ParseFloat(string(s[1]), 64) d.kind = s[2][0] - '0' d.size, _ = strconv.Atoi(string(s[3])) bgr, _ := strconv.Atoi(string(s[4])) d.color = ((bgr >> 16) & 255) | (bgr & (255 << 8)) | ((bgr & 255) << 16) d.text = string(s[5])} // 返回文本的長度，假設ascii字符都是0.5個字長，其余都是1個字長func length(s string) float64 { l := 0.0 for _, r := range s { if r < 127 { l += 0.5 } else { l += 1 } } return l} // 生成時間點的ass格式表示：`0:00:00.00`func timespot(f float64) string { h, f := math.Modf(f / 3600) m, f := math.Modf(f * 60) return fmt.Sprintf("%d:%02d:%05.2f", int(h), int(m), f*60)} // 讀取文件并獲取其中的彈幕func open(name string) ([]Danmu, error) { data, err := ioutil.ReadFile(name) if err != nil { return nil, err } dan := line.FindAllSubmatch(data, -1) ans := make([]Danmu, len(dan)) for i := len(dan) - 1; i >= 0; i-- { fill(&ans[i], dan[i]) } return ans, nil} // 將彈幕排布并寫入w，采用的簡單的固定移速、最小重疊排布算法func save(w io.Writer, dans []Danmu) { p1 := make([]float64, 36) p2 := make([]float64, 36) p3 := make([]float64, 36) t := 0 max := func(x []float64) float64 { i := x[0] for _, j := range x[1:] { if i < j { i = j } } return i } set := func(x []float64, f float64) { for i, _ := range x { x[i] = f } } find := func(p []float64, f float64, i, d int) int { i = (i/d + 1) * d % 36 m, k := f+10000, 0 for j := 0; j < 36; j += d { t := (i + j) % 36 if n := max(p[t : t+d]); n <= f { k = t break } else if m > n { k = t m = n } } return k } for _, dan := range dans { s, l := "", length(dan.text) if l == 0 { continue } switch { case dan.size < 25: dan.size, l, s = 2, l*18, "http://fs18" case dan.size == 25: dan.size, l = 3, l*28 case dan.size > 25: dan.size, l, s = 4, l*38, "http://fs38" } if dan.color != 0x00FFFFFF { s += fmt.Sprintf("http://c&H%06X", dan.color) } switch dan.kind { case 1: // 右往左 t := find(p1, dan.time, t, dan.size) set(p1[t:t+dan.size], dan.time+8) h := (t+dan.size)*10 - 1 s += fmt.Sprintf("http://move(%d,%d,%d,%d)", 640+int(l/2), h, -int(l/2), h) fmt.Fprintf(w, "Dialogue: 1,%s,%s,Default,,0000,0000,0000,,{%s}%s/n", timespot(dan.time+0), timespot(dan.time+8), s, dan.text) case 4: // 下現隱 j := find(p2, dan.time, 35, dan.size) set(p2[j:j+dan.size], dan.time+4) s += fmt.Sprintf("http://pos(%d,%d)", 320, (36-j)*10-1) fmt.Fprintf(w, "Dialogue: 2,%s,%s,Default,,0000,0000,0000,,{%s}%s/n", timespot(dan.time+0), timespot(dan.time+4), s, dan.text) case 5: // 上現隱 j := find(p3, dan.time, 35, dan.size) set(p3[j:j+dan.size], dan.time+4) s += fmt.Sprintf("http://pos(%d,%d)", 320, (j+dan.size)*10-1) fmt.Fprintf(w, "Dialogue: 3,%s,%s,Default,,0000,0000,0000,,{%s}%s/n", timespot(dan.time+0), timespot(dan.time+4), s, dan.text) } }} // 主函數，實現了命令行func main() { if len(os.Args) <= 1 { os.Exit(0) } for _, name := range os.Args[1:] { dans, err := open(name) if err != nil { os.Exit(1) } if n := strings.LastIndex(name, "."); n != -1 { name = name[:n] } name += ".ass" file, err := os.Create(name) if err != nil { os.Exit(2) } file.WriteString(header) sort.Sort(Danmus(dans)) save(file, dans) file.Close() }}
2014.9.2 9:30am更新：對字體排布進行了修正。
2014.9.2 9:50am更新：算法修改為固定出現時間，最小重疊排布，最終版本。
over。歡迎各位評論，倒不如各位多多評論啊。
新聞熱點
疑難解答
圖片精選
