영어 자막 추출 후 텍스트 정리하는 파이썬 활용법

파이썬을 활용한 영어 자막 추출과 텍스트 정리 방법

영화나 드라마를 시청할 때, 영어 자막이 도움이 될 때가 많죠. 하지만 우리가 자주 접하는 자막 파일은 형식이 복잡하고, 필요한 정보만 추출하기 어렵기도 해요. 이를 해결하기 위해 파이썬을 활용한 자막 추출 및 텍스트 정리 방법을 소개하려고 해요. 이 방법을 알면 더 이상 번거롭게 자막을 보지 않을 수 있어요!

자막 파일의 이해

자막 파일 종류

자막 파일에는 여러 종류가 있어요. 가장 일반적으로 많이 사용되는 파일 형식은 SRT(SubRip) 파일이에요. 이 외에도 VTT(WebVTT), ASS(Advanced SubStation Alpha) 등의 형식이 있어요. 각 형식은 다소의 약간의 차이가 있지만, 기본적으로 자막 텍스트와 시간 코드 정보를 포함하고 있어요.

SRT 파일 구조

SRT 파일의 간단한 구조는 다음과 같아요:

2
00:00:04,000 –> 00:00:06,000
I’m fine, thank you!

각 자막 블록은 인덱스 번호, 시간이 지정된 자막 텍스트로 구성되어 있어요. 이 구조를 이해한 후에는 파이썬으로 이런 자막 파일을 효과적으로 처리할 수 있어요.

파이썬을 이용한 자막 추출 방법

필요한 패키지 설치하기

파이썬을 이용해 자막을 처리하기 위해서는 pysubs2와 같은 패키지를 설치해야 해요. 이 패키지를 이용하면 SRT, ASS 파일 등 다양한 형식의 자막 파일을 쉽게 처리할 수 있어요. 다음 명령어로 설치할 수 있어요:

bash
pip install pysubs2


기본적인 자막 추출 코드

자막 파일을 읽어 텍스트만 추출하는 간단한 코드를 작성해보아요.

def extractsubtitles(filepath):
subs = pysubs2.load(file_path)
for line in subs:
print(line.text)

위의 코드는 SRT 파일을 읽어 각 자막 줄을 출력해요. 이 코드를 기반으로 텍스트를 정리하는 기능을 추가해보면 더욱 유용하답니다.

텍스트 정리하기

추출한 자막 텍스트를 한 줄의 스트링으로 합치거나 필요 없는 부분을 제거하는 방식으로 정리할 수 있어요. 예를 들어, 자막을 단순히 합치는 코드는 다음과 같아요.

python
def clean_subtitles(file_path):
subs = pysubs2.load(file_path)
cleaned_text = ' '.join(line.text for line in subs)
return cleaned_text


위의 cleaned_text 변수에는 모든 자막 텍스트가 공백으로 구분되어 저장되어요.

자막 파일 처리 예시

영화 ‘Inception’의 자막 파일을 가지고 실습해보아요. 자막 파일의 경로를 지정하면 해당 자막을 추출하고 정리해주는 간단한 프로그램을 만들어볼 수 있어요.

python
file_path = 'inception.srt'
cleaned_subtitles = clean_subtitles(file_path)
print(cleaned_subtitles)


이렇게 하면 ‘Inception’ 영화의 모든 영어나 다른 언어 자막 텍스트를 하나의 문자열로 쉽게 얻을 수 있어요. 자막을 닫을 수 있는 가능성도 생기네요.

텍스트 정리의 필요성

자막을 정리하면 당연히 이해하기 쉬운 형태로 만들 수 있어요. 중복된 문장이나 필요 없는 용어들을 제거해서 필요한 정보만 담을 수 있답니다.

텍스트 정리의 장점

• 정보의 가독성 증가: 정리된 텍스트는 읽기 쉽고 이해하기가 쉬워요.
• 필요한 내용만 포함: 원치 않는 정보가 제거되어 집중할 수 있어요.
• 시간 절약: 인쇄하거나 복사하기 용이해 다양한 용도로 사용할 수 있어요.

아래 표를 통해 자막 추출 및 정리의 장점을 요약해볼게요.

장점	설명
가독성	이해하기 쉬운 구조로 정보 제공
정보 필터링	필요한 정보만 남김으로써 집중도 향상
시간 절약	사용하기 편리한 형태로 변환

결론

이제 파이썬을 이용해 영어 자막 추출과 텍스트 정리를 쉽게 할 수 있다는 것을 알게 되었어요. 이러한 기술을 통해 자막 파일을 다룰 때 더 많은 시간을 절약하고, 필요한 정보만을 손에 넣을 수 있죠. 파이썬을 활용해 자막을 추출하고 정리하여, 여러분의 영상 감상 경험을 한층 더 끌어올려보세요! 📽️

여러분의 프로젝트에서 이 방법을 적용해 보시고, 더 많은 재미를 느껴보세요!