python-opensubtitles 技术文档
2024-12-26 03:02:40作者:俞予舒Fleming
1. 安装指南
1.1 安装正式版本
python-opensubtitles 模块已经发布在 PyPI 上,你可以通过以下命令轻松安装:
pip install python-opensubtitles
1.2 安装开发版本
如果你想从 GitHub 仓库安装最新版本,可以使用以下命令:
pip install -e git+https://github.com/agonzalezro/python-opensubtitles#egg=python-opensubtitles
2. 项目的使用说明
python-opensubtitles 是一个用于访问 OpenSubtitles.org 字幕数据库的简单模块。它封装了 OpenSubtitles API 的常用方法,使得开发者可以轻松地搜索和下载字幕。
2.1 简单使用示例
以下是一个快速下载字幕的示例代码:
from pythonopensubtitles.opensubtitles import OpenSubtitles
from pythonopensubtitles.utils import File
# 初始化 OpenSubtitles 对象
ost = OpenSubtitles()
# 登录 OpenSubtitles 账户
ost.login('你的用户名', '你的密码')
# 创建 File 对象,指定电影文件的路径
f = File('/完整路径/到/电影文件')
# 搜索字幕
data = ost.search_subtitles([{'sublanguageid': 'all', 'moviehash': f.get_hash(), 'moviebytesize': f.size}])
# 获取字幕文件的 ID
id_subtitle_file = data[0].get('IDSubtitleFile')
# 下载字幕文件
ost.download_subtitles([id_subtitle_file], output_directory='/tmp', extension='srt')
2.2 更多信息
如果你想查看更多信息,可以参考项目中的 APPENDIX.md 文件,其中包含了更多的使用示例和测试代码。
3. 项目 API 使用文档
3.1 OpenSubtitles 类
OpenSubtitles 类是 python-opensubtitles 模块的核心类,提供了与 OpenSubtitles API 交互的主要方法。
3.1.1 初始化
ost = OpenSubtitles()
3.1.2 登录
ost.login('用户名', '密码')
3.1.3 搜索字幕
data = ost.search_subtitles([{'sublanguageid': '语言代码', 'moviehash': '电影哈希值', 'moviebytesize': '电影文件大小'}])
3.1.4 下载字幕
ost.download_subtitles([字幕文件ID], output_directory='输出目录', extension='字幕文件扩展名')
3.2 File 类
File 类用于处理电影文件,提供了获取电影哈希值和文件大小的方法。
3.2.1 初始化
f = File('/完整路径/到/电影文件')
3.2.2 获取电影哈希值
hash_value = f.get_hash()
3.2.3 获取电影文件大小
file_size = f.size
4. 项目安装方式
4.1 通过 PyPI 安装
pip install python-opensubtitles
4.2 通过 GitHub 安装
pip install -e git+https://github.com/agonzalezro/python-opensubtitles#egg=python-opensubtitles
4.3 运行测试
如果你想运行项目的测试,可以使用以下命令:
python -m unittest
注意:该项目主要支持 Python 3,早期版本的 Python 可能无法通过所有测试。
通过本文档,你应该能够轻松地安装、使用 python-opensubtitles 模块,并了解其 API 的基本使用方法。如果你有更多问题,可以参考项目的 APPENDIX.md 文件或直接查阅 OpenSubtitles API 的官方文档。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
680
160
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
Ascend Extension for PyTorch
Python
229
259
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660