Pytube更新后字幕语言代码格式变更，如何用通配符匹配字幕？

我之前刚踩过这个坑！Pytube更新后YouTube返回的字幕代码格式确实变了：手动上传的字幕会带一串唯一后缀，自动生成的则是a.语言代码的格式，原来的get_by_language_code因为是精确匹配，自然没法用了。这里分享几个亲测好用的解决办法：

方法一：前缀匹配通用字幕 #

写个简单的遍历筛选函数，就能实现类似通配符的效果，覆盖手动和自动生成的字幕：

from pytube import YouTube

video_link = r'https://www.youtube.com/watch?v=w7daiJHfjoY'
yt = YouTube(video_link)

def get_caption_by_lang(yt, target_lang):
    # 遍历所有字幕项，匹配目标语言的前缀
    for caption_code, caption in yt.captions.items():
        # 匹配手动字幕（格式如de.xxx）或自动生成字幕（格式如a.de）
        if caption_code.startswith(f"{target_lang}.") or caption_code == f"a.{target_lang}":
            return caption
    # 找不到对应字幕时返回None
    return None

# 获取德语字幕示例
german_caption = get_caption_by_lang(yt, 'de')
if german_caption:
    print(f"成功找到字幕：{german_caption.lang}")
    # 生成SRT格式的字幕文本
    print(german_caption.generate_srt_captions())
else:
    print("未找到目标语言的字幕")

方法二：优先选择手动上传的字幕 #

如果想优先获取准确率更高的人工上传字幕，可以调整筛选逻辑，先找手动字幕，找不到再 fallback 到自动生成的：

def get_preferred_caption(yt, target_lang):
    # 优先遍历手动上传的字幕（带后缀的格式）
    for caption_code, caption in yt.captions.items():
        if caption_code.startswith(f"{target_lang}."):
            print("使用人工上传字幕")
            return caption
    # 手动字幕不存在时，再找自动生成的
    for caption_code, caption in yt.captions.items():
        if caption_code == f"a.{target_lang}":
            print("使用自动生成字幕")
            return caption
    return None

german_caption = get_preferred_caption(yt, 'de')

补充说明 #

那个带后缀的字幕代码确实不是固定的，每个视频的手动字幕都会有唯一的后缀标识，所以必须用这种前缀匹配的方式定位。以后如果Pytube的API格式再变，只需要调整匹配规则就行，核心思路就是遍历筛选~

内容的提问来源于stack exchange，提问作者codingsnake99