如何在Pandas中处理SRT时间戳比较及字幕行合并？

1. 解决SRT时间戳转换报错问题 #

pd.to_datetime无法直接处理逗号分隔毫秒的SRT格式（00:00:00,230），无需强行转Timestamp，直接将时间转为毫秒数即可完成时长计算，同时保留原SRT格式：

def srt_to_ms(srt_time):
    # 拆分时分秒与毫秒部分
    hhmmss, ms = srt_time.split(',')
    h, m, s = map(int, hhmmss.split(':'))
    # 计算总毫秒数
    return h * 3600000 + m * 60000 + s * 1000 + int(ms)

# 给DataFrame添加毫秒计算列
df['start_ms'] = df['Start_Time'].apply(srt_to_ms)
df['end_ms'] = df['End_Time'].apply(srt_to_ms)

2. 短字幕合并逻辑实现 #

通过循环检查每一行的时长（end_ms - start_ms），若不足5000毫秒（5秒）则合并下一行内容，更新当前行的End_Time并删除下一行，循环直到所有行时长达标：

i = 0
while i < len(df) - 1:
    duration = df.loc[i, 'end_ms'] - df.loc[i, 'start_ms']
    if duration < 5000:
        # 合并当前行与下一行的文本（空格拼接）
        df.loc[i, 'Text'] = f"{df.loc[i, 'Text']} {df.loc[i+1, 'Text']}"
        # 用下一行的End_Time替换当前行
        df.loc[i, 'End_Time'] = df.loc[i+1, 'End_Time']
        # 更新当前行的毫秒结束值
        df.loc[i, 'end_ms'] = df.loc[i+1, 'end_ms']
        # 删除下一行并重置索引
        df = df.drop(i+1).reset_index(drop=True)
        # 不递增索引，合并后需重新检查当前行时长
    else:
        i += 1

# 可选：删除中间计算用的毫秒列
df = df.drop(['start_ms', 'end_ms'], axis=1)

3. 关键验证与说明 #

• 你提到的loc替换End_Time的方法完全可行：df.loc[i, 'End_Time'] = df.loc[i+1, 'End_Time']能精准定位并修改当前行的结束时间，符合需求。
• 合并文本时直接用字符串拼接即可，若需处理空文本场景，可添加判断（如if df.loc[i+1, 'Text']:）避免多余空格。
• 使用while循环而非for循环，是因为删除行后索引会变化，while能灵活控制检查逻辑，避免遗漏合并后仍需验证的行。

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