如何下载网课的字幕

前言

上个学期，由于一场公共卫生事件，许多课程不得不开展线上教学，这也使得“网课”成为了一大话题。有些课程是实时教学，这些课暂时不讨论；而另一些课程则采用了录播的形式，教学内容提前录制好并上传，学生只需要在线学习或者下载学习即可。相比于面对面教学来说，这种录播的形式一般都有三个特点：能够回放，方便复习；能够快进，方便复习；能够调节播放速度，方便复习。

首先先介绍一下网课如何调节播放速度。在浏览器按F12打开控制台，切换到“Console”，输入如下代码并回车运行：

tmp = document.getElementsByTagName("video");
for (let i = 0; i < tmp.length; i++) {
    tmp[i].playbackRate = 16;
}

简单解释一下发生了什么。第1行获取页面内所有<video>标签，第2到4行循环，第3行将每个标签的播放速度均设为16。16是当前Google Chrome 84.0.4147.105版本支持的最大速度，超过此速度控制台会直接报错。Mozilla Firefox支持的最大速度可能也是16参考自相关源代码，但超过此值不会报错。

这个方法我发到树洞（#1194483）之后得到了惊人的收藏量。当然，还是要提醒大家切勿贪图快，在16倍速下基本上已经啥也听不出来了。毕竟，网课的最终目的还是学到知识。

下载

回归标题。网课除了上述三个特点之外，还有一个不常见的优点：网课可以有字幕。有些网课的字幕是内嵌在视频里的，这种情况不讨论；还有些网课的字幕是外挂的，即视频与字幕分离。内嵌的好处是兼容性好，只要视频能播放就能显示字幕；外挂的好处则是方便修改，由于字幕文件比较小，也方便传输。

不同的平台对外挂字幕的处理方式不同，例如智慧树和网易公开课使用了.vtt格式，这是一种标准格式，可以直接在常用的播放器中加载。哔哩哔哩、学堂在线则是使用了.json格式，这是一种网络传输中常用的数据存储格式，方便网络程序读取，但需要手动处理才能用于播放器。

一般来说，为了方便加载，字幕文件都是单独的文件。如果是直接嵌在网页的HTML中，则可以直接查看网页源代码。对于单独的文件，仍然是在浏览器中按F12打开控制台，切换到“Network”标签，然后重新加载页面。在该标签下查看各加载项，可以先尝试筛选常见的格式（如.vtt、.json、.xml等）。如果找到了对应的文件，双击文件名可以新窗口打开并下载，如 所示。

另外，一些视频文件也可以通过这种方法下载，只需要查找常见的视频格式（一般是.mp4、.ts等）即可。

处理

.vtt文件可以直接在播放器中加载，无需再次处理。.json文件则需要经过处理，不同平台的文件格式不同，但文件结构大都比较清晰，以学堂在线的字幕格式为例，如 所示，start、end、text分别对应每句话的开始、结束、内容，之后的处理也基于此。

此处还是用Python，将其处理成.vtt格式。随手写一段代码：

#!/usr/bin/python3

import json

def time2Code(time):
    time = int(time)
    h = time // (1000 * 60 * 60)
    m = time % (1000 * 60 * 60) // (1000 * 60)
    s = time % (1000 * 60) // 1000
    ms = time % 1000
    return f"{h:02d}:{m:02d}:{s:02d}.{ms:03d}"

with open("filename.json", encoding="utf-8") as f:
    # 此处需要改成输入的 .json 文件的路径
    data = json.load(f)

with open("filename.vtt", "w", encoding="utf-8") as f:
    # 此处需要改成输出的 .vtt 文件的路径
    f.write("WEBVTT\n")
    for i, s, e, t in zip(range(len(data["start"])), data["start"], data["end"], data["text"]):
        f.write(f"\n{i}\n{time2Code(s)} --> {time2Code(e)}\n{t}\n")

另外，也可以将字幕文件合并成一个文本文件，这样就得到了老师讲课的文字实录。但是需要注意的是，字幕一般不加标点符号，需要手动添加；此外字幕有时比较口语化，可以根据自己的需要进一步整理。