HTML-Tags aus Untertiteln entfernen
Oder Untertiteltext einfügen
Optionen
Ein Feld, sieben Möglichkeiten, und jede Möglichkeit hat ihre eigene Seite. Kursiv, Fett, Unterstrichen und Farbe entfernen diese eine Art von Bereich und lassen die übrige Formatierung der Zeile in Ruhe. Alle entfernt jeden Bereich, den das Werkzeug modelliert — jene vier plus Karaoke-Zeitangaben — und lässt alles andere im Text unangetastet. HTML macht dasselbe und entfernt zusätzlich die Auszeichnung in spitzen Klammern, die im Text verblieben ist, weil das Werkzeug sie nicht modelliert, etwa die Sprecher-Tags <v Bob> und <c.className> von VTT. ASS macht dasselbe stattdessen für Override-Blöcke und räumt die {...}-Codes ab, die beim Einlesen nicht erkannt wurden, etwa {\fad(500,500)}. Diese Seite füllt das Feld mit der Möglichkeit, die ihr Titel nennt, und listet keine andere.
In welcher Bildrate die Zeitangaben gezählt werden. Auf den Formatseiten ist das, was MicroDVD braucht, denn es speichert Zeitangaben als Bildnummern. Auf den Bildraten-Seiten ist es die Rate, gegen die die Datei getaktet wurde — die Fassung, für die die Untertitel erstellt wurden —, und das zweite Feld der Seite nimmt die Rate des Videos auf, mit dem Sie sie verwenden wollen. 23,976, 24, 25, 29,97, 30, 50, 59,94 und 60 sind die üblichen. Ein falscher Wert verschiebt die gesamte Zeitachse, und auf den Bildraten-Seiten verschiebt er sie um einen Faktor statt um einen festen Betrag.
Diese Seite nimmt das Markup aus dem Untertiteltext: jede Stilspanne, die eine Datei trägt, und dazu die spitzen Tags, die im Text selbst übrig geblieben sind. Zurück kommt schlicht lesbarer Dialog – die Wörter, die Zeiten und sonst nichts. Der Lauf für eine Datei, deren Text noch Dinge wie einen Sprechertag, einen Klassentag oder einen einzelnen schließenden Tag mitten in der Zeile enthält.
Diese zweite Hälfte ist der Grund, warum die Seite neben der für alle Formatierungen existiert. Das Werkzeug modelliert die vier Betonungstags, die es versteht, und lässt alles andere genau da, wo es es gefunden hat, was beim Lesen einer Datei richtig ist – Markup stillschweigend zu fressen, das es nicht erkennt, wäre Datenverlust. Aber es bedeutet, dass eine WebVTT-Datei mit <v Bob> dieses Tag durch jede andere Bereinigung der Website behält, und eine Datei, die durch Texterkennung oder Handbearbeitung gegangen ist, hat oft einen unpaarigen schließenden Tag mitten in der Zeile. Diese Seite räumt sie weg, und ihr Titel sagt das.
Das Abräumen ist bewusst eng. Entfernt wird nur, was wie ein Tag aussieht – ein Buchstabe oder ein Schrägstrich unmittelbar nach der öffnenden Klammer. Ein Vergleich im Dialog wie 5 < 10 und ein Herz aus Kleiner-als wie <3 bleiben völlig unangetastet, denn eine lockerere Regel würde die Wörter zwischen zwei Klammern löschen und in der Ausgabe nichts hinterlassen, was darauf hinwiese. Was nicht modelliert ist, wird nicht geraten.
Nichts wird hochgeladen; die Datei wird im Browser-Tab gelesen und geschrieben. Eine Datei, die schon reiner Text ist, kommt Byte für Byte zurück, was zugleich der billigste Weg ist, um festzustellen, ob das vermutete unsichtbare Markup wirklich da ist.
Beispiele
Eine WebVTT-Datei mit Sprechertag und Klassentag
Eingabe
WEBVTT
00:00:01.000 --> 00:00:02.000
<v Bob><c.yellow>Hello there</c>
00:00:03.000 --> 00:00:04.000
<i>She left</i> <ruby>東京<rt>とうきょう</rt></ruby>.
Ausgabe
WEBVTT
00:00:01.000 --> 00:00:02.000
Hello there
00:00:03.000 --> 00:00:04.000
She left 東京とうきょう.
Sprechertag, Klassentag, Kursivspanne und Ruby-Annotation gehen alle, die Wörter bleiben. Beachten Sie den zweiten Block: Die Lesung in <rt> war Text und kein Markup, sie bleibt also – die Ausgabe zeigt die Kana neben den Kanji, was ein Player ohnehin angezeigt hätte.
Eine SRT-Datei mit einem unpaarigen schließenden Tag
Eingabe
1
00:00:01,000 --> 00:00:02,000
<i>Hello</i> there</i> again.
2
00:00:03,000 --> 00:00:04,000
<b>And</b> one more.
Ausgabe
1
00:00:01,000 --> 00:00:02,000
Hello there again.
2
00:00:03,000 --> 00:00:04,000
And one more.
Das Paar um Hello wurde als Spanne gelesen und als Ganzes entfernt; das einzelne </i> nach there hat der Leser im Text gelassen und wird hier abgeräumt. Beides ist am Ende aus der Ausgabe verschwunden, was der Sinn ist, beide Aufgaben in einem Lauf zu erledigen – solche unpaarigen Tags bringt eine Datei aus der Texterkennung oder der Handbearbeitung mit.
Vergleiche und Symbole sind keine Tags
Eingabe
1
00:00:01,000 --> 00:00:02,000
5 < 10 and 3 > 1
2
00:00:03,000 --> 00:00:04,000
<3 you
Ausgabe
1
00:00:01,000 --> 00:00:02,000
5 < 10 and 3 > 1
2
00:00:03,000 --> 00:00:04,000
<3 you
Nichts wird entfernt, und das ist die Hälfte der Seite, auf die es am meisten ankommt. Das Abräumen trifft nur, was wie ein Tag aussieht, also einen Buchstaben oder einen Schrägstrich direkt nach der Klammer; ein mathematischer Vergleich und ein Herz aus einem Kleiner-als-Zeichen überleben beide unangetastet, und ebenso alles, was zwischen zwei Klammern geschrieben steht.
Häufige Fragen
Worin unterscheidet sich diese Seite vom Entfernen aller Formatierungen?
Diese hier erledigt jene Aufgabe und geht weiter. Formatierungen zu entfernen nimmt die Betonungsspannen heraus, die das Werkzeug modelliert – kursiv, fett, unterstrichen, Farbe und Karaoke. Diese Seite entfernt sie ebenfalls und räumt danach die spitzen Tags ab, die im Text selbst übrig sind: Sprechertags, Klassentags, Ruby-Markup und einzelne oder unpaarige schließende Tags. Enthält Ihre Datei solches Markup nicht, liefern beide Seiten dieselbe Ausgabe.
Welche Tags räumt das Abräumen weg, und welche bleiben?
Entfernt wird alles, was wie ein Tag aussieht: eine öffnende Klammer, unmittelbar gefolgt von einem Buchstaben oder einem Schrägstrich, bis zur nächsten schließenden Klammer. Unangetastet bleibt eine Klammer, auf die etwas anderes folgt, ein Vergleich wie 5 < 10 und 3 > 1 und ein Symbol wie <3 kommen also durch. Diese Enge ist Absicht – eine weitere Regel würde Dialog zwischen zwei Klammern löschen und in der Ausgabe keine Spur hinterlassen.
Entfernt diese Seite die Wörter, die in einem entfernten Tag standen?
Das hängt davon ab, was darin stand. Die Attribute eines Tags gehen mit ihm, ebenso alles, was in einem selbst entfernten Tag verschachtelt ist – die Lesung in einer Ruby-Annotation zum Beispiel ist Text und bleibt in der Zeile, während das Ruby-Markup um sie herum verschwindet. Was nie geschieht, ist das Löschen von Text, der im gewöhnlichen Dialog zwischen zwei Klammern steht, denn der sieht nicht wie ein Tag aus.
Ist die Ausgabe in meinem Player noch gültig, wenn das Markup weg ist?
Ja, und verlässlicher als vorher. WebVTT duldet einen unpaarigen schließenden Tag ohne Beschwerde, aber ein Sprechertag ohne schließende Klammer kann in manchen Playern den Rest der Zeile verschlucken, und Player sind sich uneinig, was ein unbekannter Tag bedeutet. Reiner Text hat diese Mehrdeutigkeit nicht, weshalb eine Datei für eine Plattform, die Auszeichnung überschreibt, bereinigt oft besser dran ist als gestaltet.
Kann ich nur das übrig gebliebene Markup entfernen und meine Kursivspannen behalten?
Auf dieser Seite nicht: Die Betonungsspannen gehen zuerst, das Abräumen läuft danach, eine Datei mit Kursiv kommt also ohne es zurück. Diese Reihenfolge ist nicht willkürlich – Markup zu entfernen verkürzt den Text, und jede Spanne danach müsste neu berechnet werden, damit sie weiter auf die richtigen Zeichen zeigt. Beides zusammen zu erledigen macht das Ergebnis exakt, eine Halb-Einstellung gibt es hier deshalb nicht.
Warum meldet der Lauf nichts, obwohl meine Datei offensichtlich Markup enthält?
Wahrscheinlich sieht das Markup nicht wie ein Tag aus: Eine Klammer, auf die ein Leerzeichen, eine Ziffer oder ein Symbol folgt, bleibt absichtlich stehen, es wurde also nichts entfernt und die Datei kam Byte für Byte zurück. Enthält die Datei tatsächlich etwas wie <v Bob> und kommt trotzdem unverändert zurück, prüfen Sie, ob es wirklich die Datei ist, die Sie meinen – die Seite liest eine Datei als das Format, das sie tatsächlich ist, und nicht nach ihrer Endung.