¿Cómo puedo cambiar la codificación de un archivo de subtítulos?

Descargué un subtítulo griego para una película, y esto es lo que veo cuando lo abro con Gedit.

El subtítulo funciona muy bien en VLC, todo perfecto. Pero, ¿qué pasa si quiero editar este subtítulo con algunas palabras griegas? Al instante recibo un error sobre la codificación de caracteres.

Toco reintentar y luego VLC no reconoce los subtítulos ...

Para la edición / traducción de subtítulos (es decir, subtítulos basados ​​en texto), sugiero encarecidamente Gaupol .

sudo apt-get install gaupol

Además de gaupol, también puedes probar Subtitle Editor y Gnome Subtitles .

Sin embargo, de las capturas de pantalla, está claro que su .srtarchivo no está codificado en Unicode.

Como resultado, iconv cambia la codificación del archivo a UTF-8, pero el archivo convertido seguirá teniendo los mismos caracteres que ve al abrir en Gedit.

La solución que encontré es esta:

1. Abra Gaupol y vaya al menú Archivo → Abrir o haga clic en el botón Abrir .

2. Hay un menú de selección en la parte inferior de la ventana abierta, titulado Codificación de caracteres . Haga clic en Otro ... (última opción).

   

3. Seleccione una codificación adecuada para su archivo, p. Ej. Griego ISO-8859-7 , y haga clic en el botón Aceptar .

   

4. Ahora abra su .srtarchivo y asegúrese de que todos los caracteres se representan correctamente. De lo contrario, repita el procedimiento anterior con otra codificación. Puede ejecutar el comando file -bi yourfile.srtpara determinar la codificación correcta de su archivo (aunque he leído que los resultados no son necesariamente exactos).

5. Con su archivo de subtítulos abierto en la codificación de caracteres correcta, ahora vaya al menú Archivo → Guardar como ... y cambie la opción de codificación de caracteres (nuevamente, en la parte inferior de la ventana) a UTF-8 y guarde el archivo (posiblemente con un nuevo nombre, por seguridad).

Este mismo procedimiento de agregar la página de códigos funcionará para Gedit . Sin embargo, dejo las instrucciones para Gaupol ya que esta pregunta es sobre archivos de subtítulos.

Buena suerte.

iconv -f ISO-8859-7 -t UTF-8  Input_file.srt   > Output_file.srt  

Ábralos desde el editor de Kate, puede ver el texto adecuado, si aún necesita abrirlos desde Gedit, en otras palabras, cambie permanentemente la codificación ejecute el comando de terminal anterior.

Me gustaría recomendar enca. A diferencia de gaupol, puede manejar no solo archivos de subtítulos, sino también cualquier archivo de texto.

1. Instalar enca:

   sudo apt-get install enca
   

2. Para descubrir la codificación del archivo, vea si enca puede adivinarlo:

   enca <file>
   

   o, si falla y conoce el idioma del archivo de texto, ejecute, por ejemplo

   enca -L ru <file>
   

   y mira lo que te da. Obtenga la lista de idiomas compatibles de man enca.

3. Recomiendo convertir a UTF-8, puedes hacerlo ejecutando

   enconv -x utf8 <file>
   

   o, de nuevo, si encano puede adivinar el idioma por

   enconv -L ru -x utf8 <file>
   

   Eso debería hacer el truco.

El problema es que Gedit (y muchas otras aplicaciones de Linux) no reconocen correctamente la codificación del texto. VLC, por otro lado, probablemente esté configurado para reconocerlo correctamente (a través de la pestaña "Preferencias de subtítulos"), y es por eso que no tiene ningún problema allí. La solución es simple:

No abre el archivo haciendo doble clic en él, sino a través del cuadro de diálogo "Abrir" de Gedit . Allí, puede encontrar en la parte inferior izquierda a drop-down for Encoding, en la que se selecciona "Detectado automáticamente" de forma predeterminada. Configúrelo en "Windows-1253" o "ISO-8859-7" y listo, el archivo se abre correctamente (y luego puede guardarlo en UTF-8 para evitar problemas futuros)

Otro editor de subtítulos que permite la conversión a diferentes formatos (y viene con toneladas de características) es Aegisub . Su formato nativo (.ass) es compatible con VLC Media Player y MPlayer, y la conversión a este debería solucionar los problemas de codificación.

Para traducir archivos SRT también puede usar DualSub . Es de código abierto (GPLv3) y multiplataforma. Utiliza el traductor de Google.

Para su información general, ahora hay subtitle-index.org , concentra muchos subtítulos, los clasifica según múltiples criterios (duración, corrección ortográfica, lisibilidad, codificación) y ofrece el mejor en descarga directa como UTF-8.

Al funcionar bastante bien, evita problemas de codificación que son bastante comunes y molestos.

Esta es una función de Python3 para convertir cualquier archivo de texto, incluidos los subtítulos, en archivos con codificación UTF-8.

def correctSubtitleEncoding(filename, newFilename, encoding_from='ISO-8859-7', encoding_to='UTF-8'):
    with open(filename, 'r', encoding=encoding_from) as fr:
        with open(newFilename, 'w', encoding=encoding_to) as fw:
            for line in fr:
                fw.write(line[:-1]+'\r\n')