B站AI字幕高效提取：无需插件的JSON解析实战
1. 为什么需要本地提取B站AI字幕？
每次在B站看视频想保存字幕时，你是不是也遇到过这样的尴尬：要么得安装来路不明的浏览器插件，要么得把视频链接丢给第三方网站处理。这两种方式都存在明显痛点——插件可能偷偷收集你的浏览数据，而云端服务又无法保证字幕内容的隐私安全。
我最近做技术调研时就深有体会。当时需要批量分析上百个科普视频的字幕文本，试了七八个插件不是突然失效就是要求过多权限，有个在线转换工具甚至把我上传的JSON文件缓存到了他们的服务器。这让我意识到，对于开发者或数据敏感型用户来说，掌握一套完全本地化的字幕提取方案有多重要。
B站其实早就提供了AI生成字幕的接口，只是没开放下载按钮。这些字幕以JSON格式传输，包含精确的时间轴和文本内容。通过开发者工具，我们能直接拿到原始数据，再配合本地工具解析，就能实现零隐私风险的字幕提取。整个过程就像自己从果园摘水果，既新鲜又不用担心中间商做手脚。
2. 五分钟获取字幕原始数据
2.1 定位AI字幕请求
打开任意带AI字幕的B站视频（认准播放器右下角的"AI"小图标），按下F12召唤开发者工具。切换到Network面板后，在筛选框输入"subtitle"快速定位字幕请求。这里有个实用技巧：先清空现有请求记录（点击垃圾桶图标），再点击AI字幕按钮，这样能精准捕获到字幕接口的请求。
我实测发现最新版的接口URL通常包含"ai_subtitle"关键词，响应内容形如：
{ "body": [ { "content": "大家好我是科技猿", "from": 1.23, "to": 3.45 } ] }如果找不到目标请求，试试勾选"Preserve log"选项，或者刷新页面后立即点击AI字幕按钮。有时候接口会被折叠在"xhr"或"fetch"分类下，这时候取消筛选直接翻看最新请求反而更快。
2.2 保存JSON数据
找到目标请求后，右键选择"Copy response"直接复制完整JSON，或者在请求上右键"Save as..."保存到本地。我建议同时保存两份：一份原始JSON备用，一份用文本编辑器去掉元数据只保留body部分。这样后续处理时能减少干扰数据，特别是当需要批量处理多个视频字幕时。
遇到过接口返回乱码的情况？别急，这通常是编码问题。尝试在开发者工具的Response面板顶部切换编码格式，从UTF-8到GBK轮流测试。有次我遇到个老视频的字幕显示为问号，切到GB18030编码立刻正常了。
3. CyberChef：瑞士军刀级数据处理
3.1 基础正则提取法
把JSON数据粘贴到CyberChef的输入区，添加"Regular expression"操作。假设我们要提取所有content字段的内容，可以用这个经过验证的正则：
"content":"([^"]+)"设置输出格式为"List capture groups"，就能立即看到所有匹配的字幕文本。这里有个避坑经验：B站的AI字幕有时会在文本里包含转义引号（如\"），直接正则匹配会提前截断。这时候需要把表达式改成"content":"((?:\\"|[^"])+)"才能完整捕获。
我经常用这个配方处理单个视频字幕：
- "JSON Beautify"整理格式
- "Regular expression"提取文本
- "Remove whitespace"清理多余空行
- "Merge"把所有行连成段落
3.2 无正则的JSON解析技巧
更优雅的方式是使用CyberChef的"JPath expression"功能。添加这个操作后，输入查询语句：
$.body[*].content这行代码的意思是：从根对象开始，找到body数组里的每个元素的content字段。相比正则提取，这种方法有三大优势：
- 完全规避转义字符问题
- 可以同时提取时间轴（修改为
$.body[*].[from,to,content]） - 输出结果自带结构化，方便后续处理
有次我需要分析字幕的时间分布，就用JPath提取了所有时间戳，再导出到Excel生成分布直方图。这种灵活度是浏览器插件永远无法提供的。
4. 进阶技巧与自动化方案
4.1 批量处理脚本
当需要处理整个系列视频时，可以写个简单的Python脚本自动化流程：
import json import os def extract_subtitles(json_folder): for filename in os.listdir(json_folder): if filename.endswith('.json'): with open(f'{json_folder}/{filename}') as f: data = json.load(f) with open(f'{filename[:-5]}.txt', 'w') as out: for line in data['body']: out.write(f"{line['content']}\n")这个脚本会遍历指定文件夹下的所有JSON文件，把字幕内容提取为同名的txt文件。我在处理科技区UP主的教程合集时，用这个脚本半小时就整理出了20万字的教学文本库。
4.2 时间轴保留方案
有些场景需要保留时间码（比如制作双语字幕），可以用这个改良版CyberChef配方：
- "JSON Beautify"
- "JPath expression"输入
$.body[*].[from,content] - "Merge"合并数组
- "Find/Replace"把逗号换成制表符
最终会得到类似这样的TSV格式：
1.23 大家好我是科技猿 3.45 今天我们来聊聊大模型导入字幕编辑软件时，选择"Tab分隔文本"就能自动识别时间轴。实测比手工整理效率提升至少十倍，特别是处理两小时以上的长视频时。
5. 常见问题解决方案
乱码问题除了编码格式外，还可能是因为B站接口返回了Unicode转义序列（如\u4f60\u597d）。这时候在CyberChef里添加"Decode text"操作，选择"Unicode Escape Sequence"即可解码成中文。
分段异常经常发生在口语化视频中，AI会把长句子拆成不合理的短句。我的应对策略是用"Find/Replace"把所有句号替换为特殊标记（如|||），处理完再替换回来。对于无标点字幕，则添加"Text processing"操作按字数重新分段。
最近发现部分视频的JSON结构变成了嵌套格式，这时候需要调整JPath表达式为$..segments[*].content。这种变化提醒我们：永远先检查JSON结构再设计处理流程，可以先用"JSON可视化"功能快速浏览整体架构。