Como posso alterar a codificação de um arquivo de legenda?

Eu baixei uma legenda em grego para um filme, e é isso que vejo quando a abro com o Gedit.

A legenda funciona muito bem no VLC, tudo perfeito. Mas e se eu quiser editar esta legenda com algumas palavras gregas? Eu recebo imediatamente um erro sobre a codificação de caracteres.

Apertei repetir e o VLC não reconhece as legendas ...

Para edição / tradução de legendas (ou seja, legendas baseadas em texto), sugiro fortemente o Gaupol .

sudo apt-get install gaupol

Além disso gaupol, você também pode tentar o Subtitle Editor e o Gnome Subtitles .

No entanto, nas capturas de tela, fica claro que seu .srtarquivo não está codificado em Unicode.

Como se vê, iconv altera a codificação do arquivo para UTF-8, mas o arquivo convertido ainda terá os mesmos caracteres que você vê ao abrir no Gedit.

A solução que encontrei é esta:

1. Abra o Gaupol e vá para o menu Arquivo → Abrir ou clique no botão Abrir .

2. Há um menu de seleção na parte inferior da janela aberta, intitulado Codificação de caracteres . Clique em Outro ... (última opção).

   

3. Selecione uma codificação apropriada para o seu arquivo, por exemplo, grego ISO-8859-7 e clique no botão Aceitar .

   

4. Agora abra seu .srtarquivo e verifique se todos os caracteres foram renderizados corretamente. Caso contrário, repita o procedimento acima com outra codificação. Você pode executar o comando file -bi yourfile.srtpara determinar a codificação correta do seu arquivo (embora eu tenha lido os resultados não são necessariamente exatos).

5. Com o seu arquivo de legenda aberto na codificação correta de caracteres, agora vá ao menu Arquivo → Salvar como ... e altere a opção de codificação de caracteres (novamente, na parte inferior da janela) para UTF-8 e salve o arquivo (possivelmente com um novo nome, por segurança).

Este mesmo procedimento para adicionar a página de código funcionará para o Gedit . No entanto, deixo as instruções para o Gaupol, já que esta pergunta é sobre arquivos de legenda.

Boa sorte.

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

Abra-os no editor do Kate, você poderá ver o texto correto; se ainda precisar abri-los no Gedit, em outras palavras, altere permanentemente a codificação, execute o comando terminal acima.

Eu recomendo enca. Ao contrário do gaupol, você pode lidar não apenas com arquivos de legenda, mas com qualquer arquivo de texto.

1. Instalar enca:

   sudo apt-get install enca
   

2. Para descobrir a codificação do arquivo, veja se o enca pode adivinhar:

   enca <file>
   

   ou, se falhar e você souber o idioma do arquivo de texto, execute por exemplo

   enca -L ru <file>
   

   e veja o que isso lhe dá. Obtenha a lista de idiomas suportados em man enca.

3. Eu recomendo converter para UTF-8, você pode fazê-lo executando

   enconv -x utf8 <file>
   

   ou, novamente, se encanão conseguir adivinhar o idioma

   enconv -L ru -x utf8 <file>
   

   isso deve fazer o truque.

O problema é que o Gedit (e muitos outros aplicativos Linux) não reconhecem corretamente a codificação do texto. O VLC, por outro lado, provavelmente está configurado para reconhecê-lo corretamente (na guia "Preferências de legendas"), e é por isso que você não tem nenhum problema. A solução é simples:

Você não abre o arquivo clicando duas vezes nele, mas através da caixa de diálogo "Abrir" do Gedit . Lá, você pode encontrar no canto inferior esquerdo a drop-down for Encoding, no qual "Detectado automaticamente" é selecionado por padrão. Defina-o como "Windows-1253" ou "ISO-8859-7" e pronto, o arquivo é aberto corretamente (e você pode salvá-lo em UTF-8 para evitar problemas futuros)

Outro editor de legendas que permite a conversão para diferentes formatos (e vem com vários recursos) é o Aegisub . Seu formato nativo (.ass) é suportado pelo VLC Media Player, bem como pelo MPlayer, e a conversão para ele deve corrigir problemas de codificação.

Para traduzir arquivos SRT, você também pode usar o DualSub . É de código aberto (GPLv3) e multiplataforma. Ele usa o Google Translator.

Para suas informações gerais, agora existe o subtitle-index.org , que concentra muitas legendas, classifica-as em vários critérios (duração, verificação ortográfica, lisibilidade, codificação) e oferece o melhor em download direto como UTF-8.

Funcionando muito bem, evita problemas de codificação que são bastante comuns e irritantes.

Esta é uma função Python3 para converter qualquer arquivo de texto, incluindo legendas, em arquivos com codificação 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')