一、前言
日常使用大疆无人机航拍时，视频配套的.srt字幕文件内置了每一帧的拍摄元数据：GPS经纬度、相对高度、绝对海拔、ISO、快门、光圈、焦距等信息。在无人机视频地理配准、摄影测量、视频GIS可视化、帧位姿匹配的工程场景中，我们需要把SRT日志结构化读取为程序可用的数据字典。
大疆新版SRT字幕存在两个特殊格式问题：
- 字幕内容带有
<font size="28">HTML格式化标签； - 相对高度
rel_alt和绝对海拔abs_alt合并写在同一个方括号内[rel_alt: xxx abs_alt: xxx]，普通单值正则无法正常解析两个高程字段，这也是网上很多开源SRT解析代码失效的核心原因。
本文提供一份工程化、注释完整、修复高程读取BUG的Python解析代码，支持构建帧号‑元数据快速索引，方便后续OpenCV逐帧匹配姿态参数，也可以扩展导出CSV用于数据分析。
二、原始SRT文件格式样例
大疆导出的字幕格式如下，可以看到高度字段在同一个[]中：
1
00:00:00,000 --> 00:00:00,016
<font size="28">FrameCnt: 1, DiffTime: 16ms
2025-06-04 16:34:44.560
[iso: 100] [shutter: 1/800.0] [fnum: 2.8] [ev: 0] [color_md: default] [focal_len: 24.00] [latitude: 30.75053] [longitude: 121.40925] [rel_alt: 106.100 abs_alt: 145.399] [ct: 5683] </font>三、原有方案存在的问题
- 未过滤
<font>标签，正则匹配容易受HTML标签干扰； - 正则规则只适配一个括号一个参数 ，遇到
rel_alt和abs_alt共存的格式捕获失败，高程数据读取为None； - 缺少类型自动转换（int/float/str），拿到的数据全部是字符串，后续还要手动处理；
- 缺少帧号快速索引结构，逐帧视频匹配效率低下；
- 代码注释简陋，工程复用性差，不适合二次开发（摄影测量、视频投影、轨迹绘图）。
四、本代码实现功能
✅ 自动清除大疆SRT自带的<font>格式化标签
✅ SRT时间字符串转为视频相对秒数，保留毫秒精度
✅ 特殊正则规则，兼容同一个方括号内同时存在rel_alt与abs_alt
✅ 自动完成数据类型转换：整型、浮点型、字符串区分处理
✅ 结构化字典存储全部字段，字段附带中文业务含义
✅ 提供帧号‑元数据映射字典，O(1)时间复杂度快速查询单帧参数
✅ 完整详细中文注释，Docstring规范，适合二次开发
✅ 支持后续扩展：导出CSV、姿态插值、视频帧地理匹配
解析得到全部字段清单（附带中文释义）
| 字段名 | 中文含义 |
|---|---|
| frame_cnt | 帧编号 |
| datetime | 拍摄绝对时间（年‑月‑日 时:分:秒.毫秒） |
| iso | ISO感光度 |
| shutter | 快门速度 |
| fnum | 光圈F值 |
| ev | 曝光补偿 |
| color_md | 相机色彩模式 |
| focal_len | 镜头等效焦距(mm) |
| latitude | WGS84地理纬度 |
| longitude | WGS84地理经度 |
| rel_alt | 相对起飞点高度(m) |
| abs_alt | 海平面绝对海拔高度(m) |
| ct | 相机内部计数字段 |
五、依赖环境说明
纯Python标准库实现，无需安装第三方包
import re
from datetime import timedelta
from typing import List, Dict运行环境：Python3.8+
六、核心调用示例
1.完整读取SRT全部字幕块数据
srt_full_data = read_dji_srt("test.srt")返回列表，每一条包含字幕序号、起止时间、原始文本、清洗后文本、完整元数据字典。
2.构建帧索引，通过帧号快速查询GPS与高程
frame_meta_lookup = build_frame_metadata_map(srt_full_data)
frame_info = frame_meta_lookup.get(1)
lat = frame_info["latitude"]
lon = frame_info["longitude"]
rel_h = frame_info["rel_alt"]
abs_h = frame_info["abs_alt"]适合OpenCV读取视频时，帧号一一对应地理位置与拍摄参数。
七、完整源码
# -*- coding: utf-8 -*-
"""
@Time：2026/09/07 17:15
@Auth：RS迷途小书童
@File：DJ SRT Parsing.py
@IDE：PyCharm
@Purpose：大疆无人机SRT字幕日志解析
@Web：博客地址: https://rsran.blog.csdn.net/
@Attention：
frame_cnt(帧编号), datetime(拍摄时间), iso(感光度), shutter(快门速度),
fnum(光圈值), ev(曝光补偿), color_md(色彩模式), focal_len(等效焦距 mm),
latitude(纬度 WGS84), longitude(经度 WGS84), rel_alt(相对起飞点高度 m),
abs_alt(海拔高度 m), ct(相机内部计数)
"""
import re
from datetime import timedelta
from typing import List, Dict
def parse_srt_time(time_str: str) -> float:
"""
将SRT字幕时间字符串转为浮点型总秒数
:param time_str: SRT原始时间字符串，格式 hh:mm:ss,mmm
:return: float，从视频起始到该时刻的总秒数
"""
# 按冒号拆分时:分，再拆分秒与毫秒
h_part, m_part, s_ms = time_str.strip().split(":")
s_part, ms_part = s_ms.split(",")
# 使用timedelta计算时间长度，保证毫秒精度
t_delta = timedelta(
hours=int(h_part),
minutes=int(m_part),
seconds=int(s_part),
milliseconds=int(ms_part)
)
return t_delta.total_seconds()
def clean_font_tag(raw_text: str) -> str:
"""
清除大疆SRT自带的HTML字体标签 <font size="xx"> 和闭合标签 </font>
:param raw_text: 原始带标签的字幕文本
:return: 去除格式化标签后的干净纯文本
"""
# 匹配并删除起始font标签
text = re.sub(r'<font\s+size="\d+">', "", raw_text)
# 匹配并删除闭合font标签
text = re.sub(r'</font>', "", text)
return text.strip()
def extract_metadata(srt_body: str) -> Dict:
"""
从清洗完成的字幕正文，正则提取全部无人机与相机元数据
:param srt_body: 去除HTML标签后的多行字幕文本
:return: 参数字典，不存在的字段赋值为None，每个字段含义：
frame_cnt(int) 帧编号
datetime(str) 拍摄绝对时间（年-月-日 时:分:秒.毫秒）
iso(int) ISO感光度
shutter(str) 快门速度
fnum(float) 光圈F值
ev(float) 曝光补偿
color_md(str) 相机色彩模式
focal_len(float) 镜头等效焦距，单位mm
latitude(float) WGS84地理纬度
longitude(float) WGS84地理经度
rel_alt(float) 相对起飞点海拔高度，单位m
abs_alt(float) 海平面绝对海拔高度，单位m
ct(int) 相机内部计数字段
"""
# 初始化所有字段，默认值None
data = {
"frame_cnt": None, # 帧编号
"datetime": None, # 拍摄绝对时间
"iso": None, # ISO感光度
"shutter": None, # 快门速度
"fnum": None, # 光圈F值
"ev": None, # 曝光补偿
"color_md": None, # 相机色彩模式
"focal_len": None, # 镜头等效焦距(mm)
"latitude": None, # WGS84纬度
"longitude": None, # WGS84经度
"rel_alt": None, # 相对起飞点高度(m)
"abs_alt": None, # 海平面绝对海拔(m)
"ct": None # 相机内部计数
}
# 正则匹配帧序号 FrameCnt: X
m_frame = re.search(r"FrameCnt\s*:\s*(\d+)", srt_body)
if m_frame:
data["frame_cnt"] = int(m_frame.group(1))
# 正则匹配拍摄时间 格式：2025-06-04 16:34:44.560
m_dt = re.search(r"\d{4}-\d{2}-\d{2}\s+\d{2}:\d{2}:\d{2}\.\d{3}", srt_body)
if m_dt:
data["datetime"] = m_dt.group(0)
# ----------------------独立中括号字段正则配置列表----------------------
# 格式：(正则表达式, 字典key)，适用于单独一个[]只包含一组参数
single_pattern_list = [
(r"\[iso:\s*(\d+)\]", "iso"),
(r"\[shutter:\s*([\d\/\.]+)\]", "shutter"),
(r"\[fnum:\s*([\d\.]+)\]", "fnum"),
(r"\[ev:\s*([\-\d\.]+)\]", "ev"),
(r"\[color_md:\s*(\w+)\]", "color_md"),
(r"\[focal_len:\s*([\d\.]+)\]", "focal_len"),
(r"\[latitude:\s*([\-\d\.]+)\]", "latitude"),
(r"\[longitude:\s*([\-\d\.]+)\]", "longitude"),
(r"\[ct:\s*(\d+)\]", "ct"),
]
# 循环遍历独立规则，捕获数值并做类型转换
for reg_exp, dict_key in single_pattern_list:
match_res = re.search(reg_exp, srt_body)
if match_res:
value_str = match_res.group(1)
# 整型字段转换
if dict_key in ["iso", "ct"]:
data[dict_key] = int(value_str)
# 浮点型字段转换
elif dict_key in ["fnum", "focal_len", "latitude", "longitude", "ev"]:
data[dict_key] = float(value_str)
# 字符串字段直接赋值（快门、色彩模式）
else:
data[dict_key] = value_str
# ----------------------特殊规则：rel_alt与abs_alt共用同一个[]----------------------
# 匹配格式 [rel_alt: 106.100 abs_alt: 145.399]，一次捕获两个高度值
alt_group_match = re.search(r"\[rel_alt:\s*([\-\d\.]+)\s+abs_alt:\s*([\-\d\.]+)\]", srt_body)
if alt_group_match:
data["rel_alt"] = float(alt_group_match.group(1))
data["abs_alt"] = float(alt_group_match.group(2))
return data
def read_dji_srt(srt_file_path: str) -> List[Dict]:
"""
SRT主读取解析函数
:param srt_file_path: SRT日志文件路径（绝对路径 / 相对路径）
:return: list[dict]，每一项代表一个字幕时间块
item["index"]:字幕序列号
item["start_sec"]:字幕起始时刻（单位：秒）
item["end_sec"]:字幕结束时刻（单位：秒）
item["raw_text"]:未清洗的原始字幕文本
item["clean_text"]:去除HTML标签后的干净文本
item["meta"]:相机与GPS元数据字典（字段含义见extract_metadata函数注释）
"""
# 使用utf‑8编码读取整个SRT文件
with open(srt_file_path, "r", encoding="utf-8") as f:
file_content = f.read()
# 使用连续换行符分割每一条独立字幕块
srt_block_list = re.split(r"\n\s*\n", file_content.strip())
parse_result = []
# 逐个字幕块处理
for block_content in srt_block_list:
# 过滤空行，保留有效文本行
line_list = [line.rstrip("\n") for line in block_content.splitlines() if line.strip()]
# 标准SRT单块最少包含3行：序号｜时间｜内容，不足直接跳过
if len(line_list) < 3:
continue
seq_number = line_list[0].strip()
time_segment_line = line_list[1].strip()
content_lines = line_list[2:]
# 拼接原始多行字幕文本
raw_subtitle_body = "\n".join(content_lines)
# 清除font标签
clean_subtitle_body = clean_font_tag(raw_subtitle_body)
# 拆分起始时间与结束时间字符串
start_time_str, end_time_str = time_segment_line.split(" --> ")
start_second = parse_srt_time(start_time_str)
end_second = parse_srt_time(end_time_str)
# 提取所有拍摄定位元数据
metadata_dict = extract_metadata(clean_subtitle_body)
# 组装单条字幕结构化数据
single_srt_item = {
"index": seq_number,
"start_sec": round(start_second, 3),
"end_sec": round(end_second, 3),
"raw_text": raw_subtitle_body,
"clean_text": clean_subtitle_body,
"meta": metadata_dict
}
parse_result.append(single_srt_item)
return parse_result
def build_frame_metadata_map(srt_parse_list: List[Dict]) -> Dict[int, Dict]:
"""
构建【帧编号 → 完整元数据】的哈希映射字典
作用：视频逐帧渲染时，通过帧号O(1)快速查询当前帧GPS与相机参数
:param srt_parse_list: read_dji_srt()返回的完整解析结果列表
:return: dict {frame_number:int : metadata_dict:dict}
"""
frame_index_dict = {}
for srt_item in srt_parse_list:
meta_data = srt_item["meta"]
frame_id = meta_data.get("frame_cnt")
# 仅保存帧号不为空的有效记录
if frame_id is not None:
frame_index_dict[frame_id] = meta_data
return frame_index_dict
if __name__ == "__main__":
# ====================== 测试运行入口 ======================
# 修改为你的srt文件路径
srt_file_path = r"test.srt"
# 1.执行完整解析
srt_full_data = read_dji_srt(srt_file_path)
# 2.构建帧快速查询字典
frame_meta_lookup = build_frame_metadata_map(srt_full_data)
print(f"✅ 总共解析字幕块数量：{len(srt_full_data)}")
print(f"✅ 成功建立帧索引的记录数量：{len(frame_meta_lookup)}")
# 打印前3帧全部字段用于校验
for block_index, srt_entry in enumerate(srt_full_data[:3]):
print(f"\n==================== 字幕块 {block_index + 1} ====================")
print(f"时间区间(start_sec): {srt_entry['start_sec']:.3f} s")
print(f"时间区间(end_sec): {srt_entry['end_sec']:.3f} s")
meta = srt_entry["meta"]
print(f"frame_cnt(帧编号) : {meta['frame_cnt']}")
print(f"datetime(拍摄时间) : {meta['datetime']}")
print(f"iso(感光度) : {meta['iso']}")
print(f"shutter(快门速度) : {meta['shutter']}")
print(f"fnum(光圈F值) : {meta['fnum']}")
print(f"ev(曝光补偿) : {meta['ev']}")
print(f"color_md(色彩模式) : {meta['color_md']}")
print(f"focal_len(焦距mm) : {meta['focal_len']}")
print(f"latitude(WGS84纬度) : {meta['latitude']}")
print(f"longitude(WGS84经度) : {meta['longitude']}")
print(f"rel_alt(相对起飞高度m): {meta['rel_alt']}")
print(f"abs_alt(绝对海拔m) : {meta['abs_alt']}")
print(f"ct(相机内部计数) : {meta['ct']}")八、运行输出效果示例
控制台输出校验结果，可以看到高程字段成功读取：
✅ 总共解析字幕块数量：9
✅ 成功建立帧索引的记录数量：9
==================== 字幕块 1 ====================
时间区间(start_sec): 0.000 s
时间区间(end_sec): 0.016 s
frame_cnt(帧编号) : 1
datetime(拍摄时间) : 2025-06-04 16:34:44.560
iso(感光度) : 100
shutter(快门速度) : 1/800.0
fnum(光圈F值) : 2.8
ev(曝光补偿) : 0.0
color_md(色彩模式) : default
focal_len(焦距mm) : 24.0
latitude(WGS84纬度) : 30.75053
longitude(WGS84经度) : 121.40925
rel_alt(相对起飞高度m): 106.1
abs_alt(绝对海拔m) : 145.399
ct(相机内部计数) : 5683九、后续扩展方向
- 增加导出CSV工具函数，把每一帧轨迹保存成表格，用于GIS绘图；
- 如果SRT包含云台姿态
yaw/pitch/roll，补充对应的正则捕获规则； - 增加时间插值算法，补全缺失帧的GPS高程数据；
- 对接OpenCV读取航拍视频，实现视频帧‑地理坐标实时匹配，用于正射影像、视频地理配准；
- 结合摄影测量共线方程，实现航拍视频像素反算地面坐标。
十、总结
网上很多大疆SRT解析脚本没有考虑新版高程字段合并在同一个中括号的格式，导致高程读取失败。本份代码专门针对该坑做了正则兼容，代码注释规范，适合测绘、遥感、无人机视频处理相关开发人员直接使用与二次开发。
如果对你有用，欢迎点赞收藏，后续我会更新CSV导出与视频地理配准完整工程代码。