Retirer les balises HTML
Ou collez le texte d'un sous-titre
Options
Un cadre, sept choix, et chaque choix a sa page. Italique, gras, souligné et couleur suppriment ce seul type de plage et laissent le reste du style de la ligne intact. Tout supprime toutes les plages que l'outil modélise — ces quatre plus le minutage karaoké — en laissant tout le reste du texte intact. HTML fait de même puis retire aussi le balisage entre chevrons resté dans le texte parce que l'outil ne le modélise pas, comme les étiquettes de locuteur <v Bob> et <c.className> de VTT. ASS fait de même pour les blocs de surcharge à la place, en effaçant les codes {...} non reconnus à l'analyse, comme {\fad(500,500)}. Cette page remplit le cadre avec le choix que son titre nomme et n'en propose aucun autre.
La fréquence d'images dans laquelle les temps sont comptés. Sur les pages de format, c'est ce dont MicroDVD a besoin, car il stocke les temps sous forme de numéros d'image. Sur les pages de fréquence d'images, c'est la cadence à laquelle le fichier a été minuté — la version pour laquelle les sous-titres ont été faits — et le second cadre de la page prend la cadence de la vidéo avec laquelle vous allez les utiliser. 23,976, 24, 25, 29,97, 30, 50, 59,94 et 60 sont les valeurs courantes. Se tromper décale toute la chronologie et, sur les pages de fréquence d'images, ce décalage est un rapport, pas un montant fixe.
Cette page retire du texte des sous-titres tout ce qui a la forme d’une balise HTML : les balises reconnues par le lecteur — italique, gras, soulignement, couleur —, les balises de locuteur comme « <v Bob> », les balises de classe comme « <c.yellow> », les annotations ruby avec « <ruby> » et « <rt> », et les balises fermantes orphelines qu’un fichier rapporte après une reconnaissance de texte ou une édition à la main.
Le contenu des balises n’est pas retiré. Dans une annotation ruby, qui place la prononciation à côté d’un mot, le texte entre les balises est du contenu : la prononciation reste et se retrouve à côté du mot, exactement comme un lecteur l’aurait affichée. C’est la règle de la page : elle enlève le marquage, pas ce que le marquage encadre. Un mot en italique reste un mot, et une annotation ruby reste du texte.
La page ne retire que ce qui ressemble à une balise. Une comparaison comme « 5 < 10 », un cœur écrit « <3 » et tout ce qui est entre deux crochets qui ne commence pas par une lettre ou une barre oblique sont laissés tels quels. Cette moitié de la page est la plus importante : un fichier de sous-titres contient souvent des signes mathématiques et des émoticônes, et un nettoyeur qui prendrait tout ce qui est entre « < » et « > » détruirait du dialogue.
Rien n’est envoyé et les douze formats sont reconnus à leur contenu. Cette page retire du balisage, pas du texte : aucun mot ne disparaît et aucun bloc n’est supprimé. C’est la différence avec les pages qui retirent les annotations SDH, et c’est pourquoi les deux familles existent séparément.
Exemples
Un fichier WebVTT avec une balise de locuteur et une balise de classe
Entrée
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>.
Sortie
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.
La balise de locuteur, la balise de classe, l’italique et l’annotation ruby partent toutes, laissant les mots. Remarquez le second bloc : la lecture à l’intérieur de « <rt> » était du texte et non du balisage, donc elle reste. La sortie montre les kana à côté des kanji, ce qu’un lecteur aurait affiché de toute façon. C’est la différence entre retirer une balise et retirer son contenu.
Un fichier SRT avec une balise fermante non appariée
Entrée
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.
Sortie
1
00:00:01,000 --> 00:00:02,000
Hello there again.
2
00:00:03,000 --> 00:00:04,000
And one more.
La paire autour de « Hello » a été lue comme une plage et retirée d’un seul tenant ; le « </i> » orphelin après « there » a été laissé dans le texte par le lecteur et il est balayé ici. Les deux finissent hors de la sortie, ce qui est l’intérêt de faire les deux travaux en un passage : les balises mal appariées sont exactement ce qu’un fichier rapporte après une reconnaissance de texte ou une édition à la main.
Des comparaisons et des symboles qui ne sont pas des balises
Entrée
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
Sortie
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
Rien n’est retiré, et c’est la moitié de la page qui compte le plus. Le balayage ne touche que ce qui a la forme d’une balise, c’est-à-dire une lettre ou une barre oblique juste après le crochet ; une comparaison mathématique et un cœur fait d’un signe inférieur survivent intacts, et tout ce qui est écrit entre deux crochets qui ne ressemblent pas à une balise aussi.
Questions fréquentes
Quelles balises cette page retire-t-elle ?
Les balises de style reconnues — « <i> », « <b> », « <u> », « <font color> » —, les balises de locuteur comme « <v Bob> », les balises de classe comme « <c.yellow> », les annotations ruby « <ruby> » et « <rt> », et les balises fermantes orphelines. Le contenu entre les balises reste : un mot en italique redevient un mot, et les kana d’une annotation ruby restent à côté des kanji. La page retire le marquage, pas le texte.
Comment la page distingue-t-elle une balise d’un signe mathématique ?
Elle ne retire que ce qui a la forme d’une balise : après le crochet ouvrant, une lettre ou une barre oblique, puis un nom, puis un crochet fermant. « 5 < 10 », « 3 > 1 » et « <3 » ne remplissent pas cette condition et sont laissés intacts. C’est une protection nécessaire, car les sous-titres contiennent des comparaisons et des émoticônes, et un nettoyeur trop large détruirait du dialogue.
Que devient le contenu d’une balise ruby ?
Il reste. Dans une annotation ruby, les balises partent et la prononciation reste à côté du mot : c’est le comportement d’un lecteur qui affiche l’annotation à côté du texte, et la seule lecture qui ne supprime pas de contenu. Une page qui retirerait aussi le contenu de « <rt> » effacerait la prononciation que l’auteur avait écrite.
Les balises de classe sont-elles retirées alors que d’autres pages les laissent ?
Oui, et c’est la différence entre cette page et celles qui retirent une famille de style. « <c.yellow> » est un nom que le lecteur va chercher dans la feuille de styles de la page ; cette page retire tout ce qui a la forme d’une balise, y compris les noms de classe. Les pages de gras, d’italique ou de couleur laissent les balises de classe parce qu’elles ne traitent qu’une famille de mise en forme.
Un fichier sans balise revient-il identique ?
Oui, octet pour octet. La page ne normalise ni les espaces, ni les fins de ligne, ni les timecodes : si elle ne trouve rien qui ressemble à une balise, elle rend l’entrée telle quelle. C’est ce qui permet de la lancer sur un fichier dont on ne sait pas s’il contient du balisage, et de voir dans la sortie uniquement ce qui a été retiré.
Cette page supprime-t-elle des annotations ou des blocs ?
Non. Elle retire du balisage, jamais du texte : aucun mot ne disparaît et aucun bloc n’est supprimé, même si une ligne devient vide après le retrait. C’est la différence avec les pages qui retirent les mentions entre parenthèses, les crochets, les notes de musique ou les noms de locuteur, qui suppriment des caractères et peuvent retirer un bloc entièrement vide. Les deux familles sont séparées pour cette raison.