抓取xml文件的工作就不多说了，很简单的事，只要在播放页面看看源文件就能确定xml文件的地址进行抓取了。

本文主要是讲述xml内的弹幕转字幕的过程。

除去xml文件开头结尾的一些七七八八的东西，弹幕主体是这样的：

    
     怒求 up 自己配音！
    
    
     颜艺？
    
    
     我的女神！
    
    
     前！！！
    
    
     已撸
    

如果它把弹幕的各种属性分开表示，我就用encoding/xml包来解码，但是丫把弹幕的属性都放在p里面了，所以我使用正则表达式来提取的。

以上表第一条弹幕为例。很明显的，p属性开始的浮点数，与播放时一比对，就能知道，表示的是弹幕应该出现的播放时间。

随后的1和25先不管；

16777215，目测应该是颜色（因为该值表示为十六进制是FFFFFF）；

1408852480，在弹幕中是递增的，感觉应该是个unix时间，用这个数（d），求：d/86400/365.2425+1970，结果约为2014.6。看来确实是unix时间。估计是创建弹幕的时间。

0，不知道，抓取了很多视频的弹幕，这个位置都是0，暂且不管它。

7fa769b4，估计是创建者的ID，因为同一xml文件会出现多次，而且看起来是十六进制数，恰好有些hash函数就是返回4字节整数。

576008622，也是递增的，不用猜也知道，这个肯定就是弹幕的ID了。

事后再核对一下，果然，1代表弹幕的类型（从右向左移动啊，出现在下方或者上方啊……），25是字体大小，16777125是字体颜色。

所以，我们就只要捕获每条弹幕的时间、类型、大小、颜色、文本就行了。

正则表达式：

    
     ([^<>]+?)
    

关于这个算法我就很坑爹的弄了个乱七八糟的算法，采用的是固定移动速度，最小重叠的排布原则。

对游动弹幕，会倾向于选择下面一行的位置，如果会重叠，则选择更下一行（最低行会循环到最上面一行），如果没有不重叠的行，会选择重叠文本最少的行。

对上现隐/下现隐的固定弹幕，会选择最接近上方/下方，且不重叠的行；如果没有不重叠的行，则选择重叠时间最短的行，居中放置字幕。

默认字体微软雅黑，默认大小25，默认白色黑边；默认占满整个屏幕，共计12行；默认屏幕大小640x360。

这么弄，主要是为了让ass字幕的效果更接近原始弹幕的效果。

高级弹幕真的超出我的能力范围了，全部忽略掉。

go源代码如下：

// 将bilibili的xml弹幕文件转换为ass字幕文件。// xml文件中，弹幕的格式如下：// 
    
     地板好评
    // p的属性为时间、弹幕类型、字体大小、字体颜色、创建时间、？、创建者ID、弹幕ID。// p的属性中，后4项对ass字幕无用，舍弃。被
    
     和
    包围的是弹幕文本。// 只处理右往左、上现隐、下现隐三种类型的普通弹幕。package mainimport (	"fmt"	"io"	"io/ioutil"	"math"	"os"	"regexp"	"sort"	"strconv"	"strings")// ass文件的头部const header = `[Script Info]ScriptType: v4.00+Collisions: NormalplayResX: 640playResY: 360[V4+ Styles]Format: Name, Fontname, Fontsize, primaryColour, SecondaryColour, OutlineColour, BackColour, Bold, Italic, Underline, StrikeOut, ScaleX, ScaleY, Spacing, Angle, BorderStyle, Outline, Shadow, Alignment, MarginL, MarginR, MarginV, EncodingStyle: Default, Microsoft YaHei, 28, &H00FFFFFF, &H00FFFFFF, &H00000000, &H00000000, 0, 0, 0, 0, 100, 100, 0.00, 0.00, 1, 1, 0, 2, 10, 10, 10, 0[Events]Format: Layer, Start, End, Style, Name, MarginL, MarginR, MarginV, Effect, Text`// 正则匹配获取弹幕原始信息var line = regexp.MustCompile(`
    
     ([^<>]+?)`)// 用来保管弹幕的信息type Danmu struct {	text  string	time  float64	kind  byte	size  int	color int}// 使[]Danmu实现sort.Interface接口，以便排序type Danmus []Danmufunc (d Danmus) Len() int {	return len(d)}func (d Danmus) Less(i, j int) bool {	return d[i].time < d[j].time}func (d Danmus) Swap(i, j int) {	d[i], d[j] = d[j], d[i]}// 将正则匹配到的数据填写入Danmu类型里func fill(d *Danmu, s [][]byte) {	d.time, _ = strconv.ParseFloat(string(s[1]), 64)	d.kind = s[2][0] - '0'	d.size, _ = strconv.Atoi(string(s[3]))	bgr, _ := strconv.Atoi(string(s[4]))	d.color = ((bgr >> 16) & 255) | (bgr & (255 << 8)) | ((bgr & 255) << 16)	d.text = string(s[5])}// 返回文本的长度，假设ascii字符都是0.5个字长，其余都是1个字长func length(s string) float64 {	l := 0.0	for _, r := range s {		if r < 127 {			l += 0.5		} else {			l += 1		}	}	return l}// 生成时间点的ass格式表示：`0:00:00.00`func timespot(f float64) string {	h, f := math.Modf(f / 3600)	m, f := math.Modf(f * 60)	return fmt.Sprintf("%d:%02d:%05.2f", int(h), int(m), f*60)}// 读取文件并获取其中的弹幕func open(name string) ([]Danmu, error) {	data, err := ioutil.ReadFile(name)	if err != nil {		return nil, err	}	dan := line.FindAllSubmatch(data, -1)	ans := make([]Danmu, len(dan))	for i := len(dan) - 1; i >= 0; i-- {		fill(&ans[i], dan[i])	}	return ans, nil}// 将弹幕排布并写入w，采用的简单的固定移速、最小重叠排布算法func save(w io.Writer, dans []Danmu) {	p1 := make([]float64, 36)	p2 := make([]float64, 36)	p3 := make([]float64, 36)	t := 0	max := func(x []float64) float64 {		i := x[0]		for _, j := range x[1:] {			if i < j {				i = j			}		}		return i	}	set := func(x []float64, f float64) {		for i, _ := range x {			x[i] = f		}	}	find := func(p []float64, f float64, i, d int) int {		i = (i/d + 1) * d % 36		m, k := f+10000, 0		for j := 0; j < 36; j += d {			t := (i + j) % 36			if n := max(p[t : t+d]); n <= f {				k = t				break			} else if m > n {				k = t				m = n			}		}		return k	}	for _, dan := range dans {		s, l := "", length(dan.text)		if l == 0 {			continue		}		switch {		case dan.size < 25:			dan.size, l, s = 2, l*18, "\\fs18"		case dan.size == 25:			dan.size, l = 3, l*28		case dan.size > 25:			dan.size, l, s = 4, l*38, "\\fs38"		}		if dan.color != 0x00FFFFFF {			s += fmt.Sprintf("\\c&H%06X", dan.color)		}		switch dan.kind {		case 1: // 右往左			t := find(p1, dan.time, t, dan.size)			set(p1[t:t+dan.size], dan.time+8)			h := (t+dan.size)*10 - 1			s += fmt.Sprintf("\\move(%d,%d,%d,%d)", 640+int(l/2), h, -int(l/2), h)			fmt.Fprintf(w, "Dialogue: 1,%s,%s,Default,,0000,0000,0000,,{%s}%s\n",				timespot(dan.time+0),				timespot(dan.time+8), s, dan.text)		case 4: // 下现隐			j := find(p2, dan.time, 35, dan.size)			set(p2[j:j+dan.size], dan.time+4)			s += fmt.Sprintf("\\pos(%d,%d)", 320, (36-j)*10-1)			fmt.Fprintf(w, "Dialogue: 2,%s,%s,Default,,0000,0000,0000,,{%s}%s\n",				timespot(dan.time+0),				timespot(dan.time+4), s, dan.text)		case 5: // 上现隐			j := find(p3, dan.time, 35, dan.size)			set(p3[j:j+dan.size], dan.time+4)			s += fmt.Sprintf("\\pos(%d,%d)", 320, (j+dan.size)*10-1)			fmt.Fprintf(w, "Dialogue: 3,%s,%s,Default,,0000,0000,0000,,{%s}%s\n",				timespot(dan.time+0),				timespot(dan.time+4), s, dan.text)		}	}}// 主函数，实现了命令行func main() {	if len(os.Args) <= 1 {		os.Exit(0)	}	for _, name := range os.Args[1:] {		dans, err := open(name)		if err != nil {			os.Exit(1)		}		if n := strings.LastIndex(name, "."); n != -1 {			name = name[:n]		}		name += ".ass"		file, err := os.Create(name)		if err != nil {			os.Exit(2)		}		file.WriteString(header)		sort.Sort(Danmus(dans))		save(file, dans)		file.Close()	}}
    

2014.9.2 9:30am更新：对字体排布进行了修正。

2014.9.2 9:50am更新：算法修改为固定出现时间，最小重叠排布，最终版本。

over。欢迎各位评论，倒不如各位多多评论啊。