Merges multiple SRT subtitle files, adds speaker tags, and generates a merged output in both SRT and plain text formats

merge_srt.py

import re
import sys
from datetime import datetime

# Función para convertir el tiempo SRT a formato datetime
def srt_time_to_datetime(srt_time):
    return datetime.strptime(srt_time, '%H:%M:%S,%f')

# Función para convertir el tiempo datetime a formato SRT
def datetime_to_srt_time(dt):
    return dt.strftime('%H:%M:%S,%f')[:-3]

# Función para leer el archivo SRT y devolver una lista de subtítulos
def read_srt(file_path, speaker_tag):
    with open(file_path, 'r', encoding='utf-8') as file:
        content = file.read()
    entries = content.strip().split('\n\n')
    subtitles = []
    for entry in entries:
        lines = entry.split('\n')
        index = lines[0]
        start_time, end_time = lines[1].split(' --> ')
        text = '\n'.join(lines[2:])
        subtitles.append({
            'index': index,
            'start_time': srt_time_to_datetime(start_time),
            'end_time': srt_time_to_datetime(end_time),
            'text': f'[{speaker_tag}] {text}'
        })
    return subtitles

# Función para escribir la lista de subtítulos a un archivo SRT
def write_srt(file_path, subtitles):
    with open(file_path, 'w', encoding='utf-8') as file:
        for i, subtitle in enumerate(subtitles, 1):
            start_time = datetime_to_srt_time(subtitle['start_time'])
            end_time = datetime_to_srt_time(subtitle['end_time'])
            text = subtitle['text']
            file.write(f"{i}\n{start_time} --> {end_time}\n{text}\n\n")

# Función para escribir el archivo de texto sin timestamps
def write_text(file_path, subtitles):
    with open(file_path, 'w', encoding='utf-8') as file:
        for subtitle in subtitles:
            text = subtitle['text']
            file.write(f"{text}\n\n")

# Función para fusionar dos listas de subtítulos
def merge_subtitles(subtitles_list):
    merged_subtitles = sorted([subtitle for subtitles in subtitles_list for subtitle in subtitles], key=lambda x: x['start_time'])
    return merged_subtitles

# Función principal para procesar los archivos SRT
def process_srt_files(file_paths):
    all_subtitles = []
    for i, file_path in enumerate(file_paths):
        speaker_tag = f'speaker_{i+1}'
        subtitles = read_srt(file_path, speaker_tag)
        all_subtitles.append(subtitles)
    merged_subtitles = merge_subtitles(all_subtitles)
    return merged_subtitles

# Obtener la lista de archivos SRT desde la línea de comandos
if len(sys.argv) < 2:
    print("Uso: python merge_srt.py <archivo1.srt> <archivo2.srt> ...")
    sys.exit(1)

srt_files = sys.argv[1:]

# Procesar los archivos SRT y fusionarlos
merged_subtitles = process_srt_files(srt_files)

# Escribir los subtítulos fusionados a un nuevo archivo SRT
write_srt('merged_subtitles.srt', merged_subtitles)

# Escribir el archivo de texto sin timestamps
write_text('merged_subtitles.txt', merged_subtitles)

print("Los subtítulos han sido fusionados exitosamente y el archivo de texto ha sido generado.")