如何用Python修正WebVTT文件翻译后错误的时间戳格式

问题背景 #

• 使用Google翻译API将英文WebVTT字幕翻译至俄语等语言时，部分时间戳的小数点被替换为逗号，例如原格式00:26.760 --> 00:35.000变为00:26,760 --> 00:35.000
• 问题为间歇性出现，仅影响部分文件和时间戳，Google翻译网页版可正常处理目标文件

解决方案：正则表达式精准替换 #

利用Python的re模块编写正则规则，专门匹配时间戳中的:dd,ddd格式并替换为:dd.ddd，避免误改字幕文本中的正常逗号。

核心修复代码 #

在翻译完成后，对存储完整内容的translated变量进行处理：

import re

# 修复时间戳里的逗号为小数点
fixed_content = re.sub(r'(\d{2}):(\d{2}),(\d{3})', r'\1:\2.\3', translated)

规则说明 #

• 正则表达式r'(\d{2}):(\d{2}),(\d{3})'：精准匹配两位数字:两位数字,三位数字的时间戳片段，确保只定位时间戳中的错误逗号
• 替换模板r'\1:\2.\3'：保留原有数字分组，仅将逗号替换为小数点

整合到现有翻译流程 #

将修复步骤嵌入现有代码的翻译完成阶段：

from googletrans import GoogleTranslator
import re

translator = GoogleTranslator(source='auto', target=targetlang)
translated = ""

# 分块翻译逻辑（示例）
for chunk in subtitle_chunks:
    translated += translator.translate(chunk)

# 执行时间戳修复
fixed_translated = re.sub(r'(\d{2}):(\d{2}),(\d{3})', r'\1:\2.\3', translated)

# 写入修复后的字幕文件
with open(f"translated_{targetlang}.vtt", "w", encoding="utf-8") as output_file:
    output_file.write(fixed_translated)

内容的提问来源于stack exchange，提问作者user4315564