安装pytube后xml转srt失败报KeyError:'start'问题求助
报错原因
KeyError: 'start'是旧版pytube的字幕解析逻辑缺陷导致的:YouTube更新了字幕XML返回结构,加入了多层标签嵌套,旧版pytube遍历子节点时会匹配到没有start属性的非字幕内容节点,直接触发报错。
解决方案
方法1:升级pytube到修复后的最新版本
先卸载旧版本再重新安装最新版即可,操作命令如下:
pip uninstall pytube -y pip install pytube --upgrade
升级完成后重新运行原有代码,大多情况下可以直接解决问题。
方法2:手动修改pytube源码适配解析逻辑
如果升级后仍有报错,可以直接修改本地的pytube源码修复缺陷:
- 找到报错栈中提到的
pytube/captions.py文件 - 定位到
xml_caption_to_srt方法的遍历逻辑部分,原代码大概如下:
for i, child in enumerate(list(root)): try: duration = float(child.attrib["dur"]) except KeyError: duration = 0.0 start = float(child.attrib["start"])
- 给遍历逻辑增加过滤条件,只保留带
start属性的节点,修改为:
for i, child in enumerate([e for e in list(root) if 'start' in e.attrib]): try: duration = float(child.attrib["dur"]) except KeyError: duration = 0.0 start = float(child.attrib["start"])
修改保存后重新运行原有代码即可正常生成srt字幕。
方法3:自行解析XML生成srt(无需修改源码)
如果不想改动pytube的内置源码,可以自行拿到XML格式字幕后手动转换为srt,参考代码如下:
import re from pytube import YouTube def xml_to_srt(xml_content): # 匹配所有有效字幕节点 pattern = re.compile(r'<p start="([\d.]+)" dur="([\d.]+)".*?>(.*?)</p>', re.DOTALL) matches = pattern.findall(xml_content) srt_lines = [] for idx, (start, dur, text) in enumerate(matches, 1): # 转换为srt要求的时间格式 时:分:秒,毫秒 start_sec = float(start) end_sec = start_sec + float(dur) def format_time(sec): h = int(sec // 3600) m = int((sec % 3600) // 60) s = sec % 60 return f"{h:02d}:{m:02d}:{s:06.3f}".replace('.', ',') srt_lines.append(str(idx)) srt_lines.append(f"{format_time(start_sec)} --> {format_time(end_sec)}") # 处理HTML转义字符 text = text.replace('&', '&').replace('<', '<').replace('>', '>') text = text.replace(''', "'").replace('"', '"').strip() srt_lines.append(text) srt_lines.append('') return '\n'.join(srt_lines) # 调用示例 yt = YouTube('https://www.youtube.com/watch?v=4ZQQofkz9eE') caption = yt.captions['a.en'] srt_content = xml_to_srt(caption.xml_captions) # 输出或保存srt内容 print(srt_content) with open('output.srt', 'w', encoding='utf-8') as f: f.write(srt_content)
内容的提问来源于stack exchange,提问作者Sandra
相关产品推荐
相关产品推荐

