Python re: как проверить формат и порядок таймкодов в TXT-расшифровке

Уточните соглашение о времени

Пример рассчитан на TXT, где временные метки записаны как [02:15] или [01:02:15]. Первая форма означает минуты и секунды, вторая — часы, минуты и секунды. Во всех компонентах здесь нужны две цифры, а минуты и секунды находятся в диапазоне 00–59.

Если Ваш файл использует [75:10] как семьдесят пять минут или содержит миллисекунды, это другая схема. Не объявляйте такой файл ошибочным на основании чужого правила. Сначала выберите соглашение для проекта и адаптируйте код.

Сохраните исходник отдельно. Для получения текста записи можно использовать расшифровку аудио. Проверка формата полезна перед переносом отметок в редактор или подготовкой рабочих ссылок на реплики.

Разделите поиск кандидатов и проверку

Первое выражение находит квадратные скобки с цифрами и двоеточиями. Поэтому [00:99] попадёт в список кандидатов, хотя не пройдёт проверку допустимого времени. Если искать только заведомо правильные метки, неправильные могут незаметно остаться вне отчёта.

Второе выражение проверяет весь кандидат через fullmatch. Оно не разрешает лишние символы и неподходящее количество компонентов. finditer даёт также положение в тексте, по которому код вычисляет физическую строку TXT.

Отметки без квадратных скобок, незакрытые скобки и обычные примечания этот пример не проверяет. Сообщение «кандидатов: 0» может означать отсутствие выбранного формата, а не идеальное состояние файла. Просмотрите начало расшифровки вручную.

Запустите проверку на контрольном файле

Сохраните код как check_timecodes.py рядом с transcript.txt и выполните python check_timecodes.py или python3 check_timecodes.py. Сначала создайте учебные строки с [00:10], [00:99] и [00:05]. Ожидаются сообщение о формате второй метки и уменьшении времени третьей.

from pathlib import Path
import re

text = Path("transcript.txt").read_text(encoding="utf-8-sig")
candidates = re.compile(r"\[([0-9:]+)\]")
valid = re.compile(r"(?:[0-9]{2}:)?[0-5][0-9]:[0-5][0-9]")
previous = None
found = 0
for match in candidates.finditer(text):
    found += 1
    value = match.group(1)
    line = text.count("\n", 0, match.start()) + 1
    if not valid.fullmatch(value):
        print(line, value, "формат не подходит")
        continue
    parts = list(map(int, value.split(":")))
    if len(parts) == 2:
        parts.insert(0, 0)
    hours, minutes, seconds = parts
    total = hours * 3600 + minutes * 60 + seconds
    if previous is not None and total < previous:
        print(line, value, "время уменьшилось")
    previous = total
print("Кандидатов в скобках:", found)

Неподходящее значение не становится новой точкой сравнения. Следующая допустимая метка сравнивается с предыдущей допустимой. Одинаковые значения не считаются уменьшением: несколько реплик могут иметь один округлённый таймкод.

Скрипт только читает файл и печатает отчёт. Это позволяет сначала понять причину: ошибка записи времени, объединение фрагментов или намеренное начало новой части с нуля.

Проверьте причину каждого сообщения

Если время уменьшилось после объединения нескольких записей, проверьте, используется ли общий отсчёт или каждая часть начинается с нуля. Для независимых файлов запускайте проверку отдельно. Не прибавляйте длительности автоматически, пока не установлен порядок и наличие промежутков.

Неверные метки исправляйте по исходной записи. Перестановка цифр «на глаз» способна создать допустимое время, которое ведёт к другой реплике. Найдите место по тексту, прослушайте фрагмент и проверьте соседние метки.

После правок сравните версии через HTML-отчёт difflib. Если реплики хранятся в таблице, отдельно выполните проверку структуры CSV: допустимый таймкод не гарантирует заполненные поля.