如何优化jq过滤器实现WebVTT转JSON？

问题背景 #

需要将WebVTT文件转换为指定结构的JSON格式，现有jq过滤器能生成预期输出，但存在两个明显缺陷：

• 文件末尾必须添加额外换行才能输出最后一个cue
• 过滤器结构混乱，逐步修补导致可维护性差

示例WebVTT片段 #

WEBVTT

dc9af9e8-8909-11ee-80b1-44850052397e
00:00:08.280 --> 00:00:08.880
Good morning Mr. Phelps.

ddf6092c-8909-11ee-bc4f-44850052397e
00:00:09.720 --> 00:00:12.840
Your mission, should you choose to
accept it,

e03b2da2-8909-11ee-a212-44850052397e
00:17:52.052 --> 00:17:55.586
This tape will self-destruct in 5
seconds.

预期JSON输出 #

{
  "filename": "<stdin>",
  "filetype": "WEBVTT",
  "cues": [
    {
      "uid": "dc9af9e8-8909-11ee-80b1-44850052397e",
      "timeline": "00:00:08.280 --> 00:00:08.880",
      "subtitles": [
        "Good morning Mr. Phelps."
      ]
    },
    {
      "uid": "ddf6092c-8909-11ee-bc4f-44850052397e",
      "timeline": "00:00:09.720 --> 00:00:12.840",
      "subtitles": [
        "Your mission, should you choose to",
        "accept it,"
      ]
    },
    {
      "uid": "e03b2da2-8909-11ee-a212-44850052397e",
      "timeline": "00:17:52.052 --> 00:17:55.586",
      "subtitles": [
        "This tape will self-destruct in 5",
        "seconds."
      ]
    }
  ]
}

优化后的jq过滤器 #

使用--null-input --raw-input参数执行以下过滤器：

def rtrim: rtrimstr("\r");

# 封装单个cue块的解析逻辑：UID行 → 时间线行 → 多行字幕
def parse_cue:
  . as $uid_line
  | (input | rtrim) as $timeline
  | [inputs | rtrim] | until(.[0] | test("^\\s*$") or . == []; . + [input | rtrim])
  | map(select(length > 0))
  | { uid: $uid_line | rtrim, timeline: $timeline, subtitles: . };

# 主处理逻辑
input | rtrim as $filetype
| {
    filename: input_filename,
    filetype: $filetype,
    cues: [
      foreach inputs as $line (
        [];
        if $line | test("^[a-f0-9]{8}-") then . + [parse_cue] else . end;
        # 文件结束时强制输出所有已解析的cue，解决末尾换行依赖
        if inputs == [] then . else . end
      )
    ]
  }

优化说明 #

1. 解决末尾换行依赖：通过在foreach中检查inputs == []，在文件结束时自动输出所有已解析的cue，无需额外添加换行符。
2. 模块化结构：将单个cue的解析逻辑封装到parse_cue函数中，主逻辑更简洁，便于后续修改和扩展。
3. 鲁棒性提升：使用until循环读取字幕行，直到遇到空行或文件结束，自动过滤空行，避免无效内容混入结果。
4. 保留跨平台兼容：保留rtrim函数处理DOS格式的\r\n换行符，确保在不同系统下的兼容性。

内容的提问来源于stack exchange，提问作者rickhg12hs