求助：使用Linq将XML字幕转换为.srt纯文本时无法获取所有w节点值

我来帮你搞定这个LINQ解析XML字幕转SRT的问题！首先咱们先明确场景，假设你的XML字幕结构是类似这样的（常见的带分词节点的格式）：

<subtitles>
  <p begin="00:00:01.000" end="00:00:04.000">
    <w begin="00:00:01.000" end="00:00:02.000">Hello</w>
    <w begin="00:00:02.000" end="00:00:03.000">world</w>
    <w begin="00:00:03.000" end="00:00:04.000">!</w>
  </p>
  <p begin="00:00:05.000" end="00:00:07.000">
    <w begin="00:00:05.000" end="00:00:06.000">This</w>
    <w begin="00:00:06.000" end="00:00:07.000">is</w>
    <w begin="00:00:07.000" end="00:00:08.000">a test</w>
  </p>
</subtitles>

预期的SRT输出应该是这样的：

1
00:00:01,000 --> 00:00:04,000
Hello world !

2
00:00:05,000 --> 00:00:08,000
This is a test

常见问题原因 #

你之前没获取到所有节点，大概率是因为LINQ查询里只取了单个（比如用First()/Single()），或者没正确遍历<p>节点下的所有子节点。

修正后的LINQ实现代码 #

下面是完整的C#代码，用LINQ to XML来完成转换，确保能拿到所有节点的内容：

using System;
using System.IO;
using System.Linq;
using System.Xml.Linq;
using System.Text;

class XmlToSrtConverter
{
    static void Main(string[] args)
    {
        // 1. 加载XML字幕文件
        XDocument xmlSubtitles = XDocument.Load("your-input-subtitle.xml");

        // 2. 用LINQ处理每个字幕段落，生成SRT条目
        var srtEntries = xmlSubtitles.Descendants("p")
            .Select((paragraph, index) => new
            {
                // SRT的序号从1开始
                SequenceNumber = index + 1,
                // 转换时间格式：把XML的.换成SRT的,
                StartTime = paragraph.Attribute("begin").Value.Replace('.', ','),
                // 取当前段落最后一个<w>的结束时间作为整个段落的结束时间
                EndTime = paragraph.Descendants("w").Last().Attribute("end").Value.Replace('.', ','),
                // 拼接所有<w>的文本，用空格分隔
                SubtitleText = string.Join(" ", paragraph.Descendants("w").Select(w => w.Value.Trim()))
            });

        // 3. 拼接成完整的SRT内容
        string fullSrtContent = string.Join(Environment.NewLine + Environment.NewLine,
            srtEntries.Select(entry => $"{entry.SequenceNumber}{Environment.NewLine}{entry.StartTime} --> {entry.EndTime}{Environment.NewLine}{entry.SubtitleText}"));

        // 4. 写入到SRT文件
        File.WriteAllText("output-subtitle.srt", fullSrtContent, Encoding.UTF8);
    }
}

关键细节说明 #

• Descendants("w")：这个方法会获取当前<p>节点下所有层级的<w>节点，确保不会遗漏任何分词内容。如果你用Element("w")只会取第一个直接子节点，这就是常见的遗漏问题根源。
• 时间格式转换：SRT格式要求毫秒用逗号分隔，而很多XML字幕用点，所以用Replace('.', ',')做转换。
• 拼接文本：用string.Join(" ", ...)把每个<w>的文本拼接成完整的字幕行，同时用Trim()去掉每个分词的多余空格。

处理带命名空间的XML #

如果你的XML带有命名空间（比如TTML格式的<tt xmlns="http://www.w3.org/2006/ttaf1">），只需要添加命名空间的处理即可：

// 定义XML命名空间
XNamespace ns = "http://www.w3.org/2006/ttaf1";

var srtEntries = xmlSubtitles.Descendants(ns + "p")
    .Select((paragraph, index) => new
    {
        SequenceNumber = index + 1,
        StartTime = paragraph.Attribute("begin").Value.Replace('.', ','),
        EndTime = paragraph.Descendants(ns + "w").Last().Attribute("end").Value.Replace('.', ','),
        SubtitleText = string.Join(" ", paragraph.Descendants(ns + "w").Select(w => w.Value.Trim()))
    });

这样就能正确解析带命名空间的XML字幕了。

内容的提问来源于stack exchange，提问作者user4856537