如何用正则去除字幕文件的行号、空行与时间戳？

针对你要清理带行号、时间戳和角色标签的字幕需求，我整理了一套在Regex101上可用的正则方案，一步到位就能得到你想要的纯文本：

正则匹配模式 #

^\d+\s+\d{2}:\d{2}:\d{2}\.\d{3}\s+-->\s+\d{2}:\d{2}:\d{2}\.\d{3}\s+|<v[^>]+>|(\r?\n)

替换内容 #

留空（直接输入空字符串即可）

正则规则拆解 #

• ^\d+\s+：匹配每一行开头的数字行号，以及行号后面的空格
• \d{2}:\d{2}:\d{2}\.\d{3}\s+-->\s+\d{2}:\d{2}:\d{2}\.\d{3}\s+：精准匹配字幕里的完整时间戳格式（比如00:00:01.876 --> 00:00:02.709 ），包括中间的箭头和前后多余空格
• <v[^>]+>：匹配<v Instructor>这类角色标签，确保移除所有<v ...>格式的内容
• (\r?\n)：匹配换行符，替换后让所有文本直接拼接成连续的字符串

在Regex101的操作步骤 #

1. 打开Regex101后，选择JavaScript或PCRE正则引擎（这个规则在两者都能正常运行）
2. 在「Test String」框粘贴你需要处理的字幕内容
3. 在「Regular Expression」框输入上面的正则模式
4. 在「Substitution」框留空
5. 你就能直接在「Substitution Result」里看到拼接好的纯文本了

额外小提示 #

如果你的字幕还有其他特殊格式（比如不同类型的标签），可以微调正则的标签匹配部分；要是想让文本之间保留空格分隔，也可以把换行符的匹配规则调整为替换成空格，而不是空字符串。

内容的提问来源于stack exchange，提问作者yasarui