extract.py

import os
import json
import sys
import re

from get_route import obtener_nombre_usuario_os


def extract_subtitle_text(ruta_archivo_json):
    """
        Para usarlo ejecutar este archivo con python extract.py y nombre del video de Capcut
    """
    try:
        with open(ruta_archivo_json, 'r', encoding='utf-8') as f:
            datos_json = json.load(f)
    except FileNotFoundError:
        print(f"Error: No se encontró el archivo en la ruta: {ruta_archivo_json}")
        return
    except json.JSONDecodeError as e:
        print(f"Error: El archivo no es un JSON válido. Error: {e}")
        return
    except Exception as e:
        print(f"Error inesperado al leer el archivo: {e}")
        return
        
    subtitle_texts = []
    
    materials = datos_json.get("materials")
    if not materials:
        print("Error: No se encontró la clave 'materials' en el JSON.")
        return

    texts_list = materials.get("texts")
    if not texts_list:
        print("Advertencia: No se encontraron elementos de texto en 'materials'.")
        return
        
    for text_item in texts_list:
        content_str = text_item.get("content")
        
        if content_str:
            try:
                content_obj = json.loads(content_str)
                text_value = content_obj.get("text")
                
                if text_value:
                    subtitle_texts.append(text_value)
            
            except json.JSONDecodeError as e:
                text_pattern = re.compile(r'"text":"([^"]*)"')
                match = text_pattern.search(content_str)
                
                if match:
                    text_value = match.group(1)
                    subtitle_texts.append(text_value)
                else:
                    print(f"Error al decodificar JSON en el campo 'content': {e}. Valor: {content_str[:50]}...")
            
    subtitles_final = "\n".join(list(dict.fromkeys(subtitle_texts)))

    base_name = os.path.splitext(os.path.basename(ruta_archivo_json))[0]
    nombre_script_final = ruta_archivo_json.split('\\')[9]
    
    archivo_salida = f"{nombre_script_final}_transcript.txt"
    
    if subtitles_final:
        with open(archivo_salida, "w", encoding="utf-8") as f:
            f.write(subtitles_final)
            
        print(f"\n✅ Transcripción guardada ({len(subtitle_texts)} lineas):")
        print(f"El texto ha sido guardado en: '{archivo_salida}'")
    else:
        print("\n❌ No se pudo extraer ningún subtítulo. Archivo de salida no creado.")


if __name__ == "__main__":
    if len(sys.argv) < 2:
        sys.exit(1)

    ruta_del_json = obtener_nombre_usuario_os(sys.argv[1])
    
    extract_subtitle_text(ruta_del_json)