Convertir SMI en TXT
Ou collez le texte d'un sous-titre
Ce que cette conversion change
5 éléments perdus ou à décider
- Minutage
toute la chronologie (le format de sortie n'enregistre aucun minutage)
- Style
tout le style (gras, italique, couleur, contour, ombre)
- Positionnement
le positionnement à l'écran (chaque bloc revient à la position par défaut)
- Sauts de ligne
les sauts de ligne (les blocs sur plusieurs lignes seront réunis sur une seule)
- Contenu propre au format
le contenu que le format source garde hors de ses blocs (blocs hors sous-titres, texte d'en-tête, réglages par bloc, événements commentés) — le format cible n'a nulle part où le mettre
Ce rapport de pertes vient de la matrice de capacités de ces deux formats, pas du fichier particulier que vous avez chargé. Un fichier précis peut perdre davantage s'il utilise des fonctionnalités que le format autorise mais que la matrice ne modélise pas.
Cette page convertit un fichier SAMI (`.smi`) en texte brut. Le SAMI est un document HTML qui synchronise des paragraphes par des `<SYNC>` et leur applique des styles ; le TXT ne garde que les mots, dans l’ordre où ils apparaissent.
Quatre familles se perdent : le minutage, le style, la position et les sauts de ligne structurés, auxquelles s’ajoutent les constructions propres à SAMI. Le rapport affiché en haut de page vient des capacités déclarées par chaque format, pas de votre fichier : il ne change donc pas selon ce que vous déposez, et il nomme chaque famille de données qui n’a pas de place dans la sortie.
Le résultat est une suite de lignes de texte, sans numéro ni timecode. Tout se passe dans le navigateur, sans envoi ni compte. Plusieurs fichiers peuvent être déposés ensemble : la file les traite l’un après l’autre, l’annulation est possible, et les résultats arrivent dans une archive ZIP.
Exemples
Un fichier SAMI courant converti en texte
Entrée
<SAMI>
<HEAD>
<STYLE TYPE="text/css">
<!--
P { text-align: center; font-family: Arial; }
.ENCC { Name: English; lang: en-US; }
-->
</STYLE>
</HEAD>
<BODY>
<SYNC Start=1000>
<P Class=ENCC>Hello there.
<SYNC Start=3000>
<P Class=ENCC>
<SYNC Start=3500>
<P Class=ENCC>How are you?<br>Fine, thanks.
<SYNC Start=6000>
<P Class=ENCC>
</BODY>
</SAMI>
Sortie
Hello there.
How are you?
Fine, thanks.
Perdus dans cette sortie : le minutage, le style, la position et le regroupement des lignes. Les mots et leur ordre sont conservés.
La même conversion sur une entrée abîmée
Entrée
<SAMI>
<HEAD>
<TITLE>Episode 1</TITLE>
<STYLE TYPE="text/css">
<!--
.ENCC { Name: English; }
-->
</STYLE>
</HEAD>
<BODY>
<sync start="00:00:02,500">
<P Class=ENCC>Line one<br>Line two
<sync start=9000>
<P Class=ENCC>Tom & Jerry
<SYNC Start=12000>
<P Class=ENCC>
</BODY>
</SAMI>
Sortie
Line one
Line two
Tom & Jerry
Entités non décodées, SYNC sans paragraphe et lignes vides : seules les lignes de texte valides sortent, les autres sont comptées.
Questions fréquentes
Où sont passés les timecodes du SAMI dans le texte brut ?
Le TXT n’en contient aucun : chaque `<SYNC Start=…>` disparaît, et avec lui toute indication de moment. L’ordre des répliques est conservé, mais rien ne dit quand une ligne apparaît ni combien de temps elle reste à l’écran. C’est un document à relire, pas un sous-titre à rejouer.
Que deviennent le bloc STYLE et les classes du SAMI dans le fichier texte ?
Ils sont supprimés avec le reste du balisage HTML. Le TXT est du texte nu : ni `<STYLE>`, ni `Class=`, ni couleur, ni position. Les éventuelles balises inline du paragraphe sont également retirées, puisque le format n’a aucun moyen de les interpréter.
Comment un paragraphe SAMI sur deux lignes sort-il dans un fichier texte ?
Les deux lignes sont écrites l’une sous l’autre, mais le fichier ne dit plus qu’elles formaient un seul sous-titre : le `<br>` du SAMI et la séparation entre deux blocs se ressemblent désormais. Relu par un outil de traduction, le TXT peut donc redonner deux répliques là où le document n’en avait qu’une.
Les blocs SAMI gardent-ils leur ordre dans le texte produit ?
Oui, et ils sont triés par heure de début au passage, puisque l’ordre est la seule chose que le format texte préserve de la chronologie. Un SAMI dont les `<SYNC>` se chevauchaient ressort ainsi dans l’ordre de lecture de ses répliques.
Que perd le retour du TXT vers le SAMI ?
Le TXT vers SAMI perd le minutage : un fichier texte ne contient aucun instant, et le SAMI doit en inventer pour chaque bloc. Il redonne aussi un document sans `<STYLE>` ni `<TITLE>`, puisque le TXT n’en portait aucune trace. La sortie de cette page n’est donc pas un sous-titre réutilisable tel quel.
Le TXT produit garde-t-il l’encodage du fichier SAMI ?
Non. La sortie est toujours en UTF-8, avec des fins de ligne Unix et sans BOM, indépendamment de l’encodage d’entrée. Un SAMI en UTF-16 ou dans un encodage Windows est décodé à la lecture, et le panneau de résultat le signale le cas échéant.