声明
本文中所涉及的图片以及其他材料内容，均为相关MOOC字幕获取过程当中的操作截图或代码示例，不代表个人的立场、观点。本文的核心内容是技术操作的相关说明。
求求管理员别卡我了，期末季好不容易写了一篇嘤嘤嘤我太难了（=___=）
文章目录
前言
对于一个开卷的在线考试来说，最大的好处就是计算机可以帮助我们搜索。
但是数据库总是要建的吧~
于是我做了一个尝试，也就是把MOOC字幕整理成可搜索的文档。
第一步：获得一手资料
首先我发现了这样的经验
然而时间有一点久远，今年MOOC的投入必然加大了，不至于把资料还摆在触手可及的位置上。
另外：而且按Ctrl+Shift+I就可以进入Network界面了，哪有那么麻烦
然后就各种搜索发现了神器，见这位开源巨佬的GitHub仓库
没学过Python，按作者说的和自己的理解，下载后在项目文件下输入
pyinstaller Mooc.spec
python -m Mooc
然后至少选择标清（否则没有这个文件），即可发现对应的文件夹下出现了字幕文件*.srt
第二步：汇总.srt字幕文件
经过一系列bat和wsl shell的尝试，最终发现都不如直接解散文件夹来的利索。
- 先进入这个文件夹，按Ctrl+F或直接点工具栏搜索框
- 在搜索框里填
*.*就会搜索出当前文件夹下的所有文件和子文件夹
- 空白处右键，选择按类型排序，同类的文件排在一起，随后就可以多选文件夹之外的所有文件，无论是解散文件夹还是操作所有子目录下的文件，都是很方便的。
文件名按照要求要涂掉了……
第三步：格式清洗
为了防止操作过程失手，我们采用复制一套副本的方式。比如这样：
名称的清洗
在此之前，由于名称都有一个奇怪的前缀。这是由中国大学MOOC网站的周学制划分的。所以还得将其整理一下。
别用正则了，多麻烦啊 使用VSCode的多行光标，用很直观、人性化的操作方式快捷操作几十行，未尝不可
这个图片虽然有碍观瞻……，但是为了说明怎么使用多行光标，，，
对于更名，由于排序方式（比如10会排在2前面这种智障 问题）、编码（中文很容易乱）的问题说实话就是不会脚本，使用脚本将已经清洗好的名称依次重命名，会出现很多麻烦
于是这里采用了手动粘贴……不过因为文件夹里的顺序和name文件是一致的，所以问题也不太大。很快就粘完了。
文件的清洗
这时候，更麻烦的问题出现了……
如何清洗这样的文件？
为了清洗固定结构(幸好是固定的啊！！)的.srt文件，我们编写了如下的C++程序
#include <bits/stdc++.h>
using namespace std;
vector<string> name;
int main()
{
freopen("name.txt", "r", stdin);
string tmp; int t, l = 0, cnt = 0;
while (getline(cin, tmp))
name.push_back(tmp);
ifstream fin("[1.1.1]--1.课程开设时代背景.srt", ios::in);
ofstream fout("cooked.txt", ios::app);
if (!fin) cout << "open wrong" << endl;
while (!fin.eof())
{
fin >> t;
fin.ignore('\n');
if (t <= l)
cout << name[cnt++] << endl;;
getline(fin, tmp);//即是能启动，到这里也不会读入
getline(fin, tmp);
fout << tmp;
fin.ignore('\n');
}
return 0;
}
但即便是单个文件（如程序中给出的那个），也不能很好地读入到如下的C++文件当中。
合并后的直接就无法启动。大数据量是致命的。
Vim的奇偶行删除法
所幸文件仅有几十个 =______=
又是一个……体现我超低智商的操作。
当时被气蒙了，没有想到vim是可以打开几万行的文件的啊！！！那就先合并再操作吧~尽管那样的话没有标题，也算有得有失吧（每个文件结尾插入4行#，然后再删减的时候，既可以保留结束符#，也可以保证奇偶结构不被破坏）
这个结构
可以先删除偶数行，再删除奇数行
于是，简化成了三条指令，即
vim [文件名]
:%normal jdd #删除偶数行
:%normal jkdd #删除奇数行
第四步：合并文件
如果事先做了这一步，那么清洗数据本来是一件很简单的事情。可惜……
有章节号的方案
一个简单的bat：
@echo off
chcp 65001 #保证中文可用
set work_path=%cd% #为了正则查找/r模式可用
for /r %work_path% %%i in (*.srt) do ( #/r模式模糊查找
echo %%i >> raw.txt #echo直接输入名称，作为章节号
type %%i >> raw.txt #type是将文件后缀到指定文件后面
)
pause
无章节号的方案
如果不需要章节号，只用‘#’作一节结束的标记的话，也可以
@echo off
chcp 65001
set work_path=%cd%
for \r %work_path% %%i in (*.srt) do echo '###' >> raw.txt #最好插入四行，否则会影响奇偶相消
pause
然后使用
copy *.srt raw.txt
即可合并。
半分钟可以干我手动一个个文件半小时的活。
其实如果设计一下合并的脚本，好像也可以加标题比如空行+空行+标题+空行。这个稳定的四行结构非常重要。
第五步：word格式化
这个随个人了，我目的只是为查询建立一个数据库。那就不搞了吧。留个目录就行，查找起来效率也挺高。二十多万字……幸好没有打算手动记。
结语
如果有需要北大版史纲的可以cue我……（卑微=____=)