LRC歌词格式和编解码实现

前言

• 音乐软件在播放歌曲时，能同步显示歌词，一般都是引用了对应的歌词文件，而歌词文件主要要存储的就是歌词内容，以及每一句歌词、每一个歌词文字的播放时间。由此引申出的歌词格式就很多了，有LRC、SRT、SSA等，其中LRC是最为流行和广泛使用的格式。
• LRC是一般认为是逐行歌词。

LRC格式

• 尽管LRC歌词有标准规定，但它在网络上流传的非标准格式也非常多，所以，如果你希望做一个兼容性足够高的LRC解析器，很有必要考虑兼容常见的非标准格式做好一些容错。
• 下面我们先来介绍一下它的格式：

标识标签（ID-tags）

• 格式为 [标识名称:值]。大小写等价。
• 标准预定义了一些标签：
  • [ar:艺术家]；示例：[ar:coolight]
  • [ti:歌曲名称]；示例：[ti:hello world]
  • [al:专辑名称]；示例：[al:hello]
  • [by:制作LRC歌词的作者]；示例：[by:coolight]
  • [offset:[+/-]时间补偿值] 其单位是毫秒（1秒=1000毫秒），正值表示整体提前，负值相反。这是用于总体调整显示快慢。示例：[offset:0], [offset:100], [offset:+100], [offset:-200]
• 当然你也可以自定义标签，一般自定义标签的名称不应当由数字开头
• 标签之后的内容需要忽略，比如：
  • [ti:hello world] aaabbbccc
  • 标签是[ti:hello world]
  • 之后的内容是aaabbbccc，这部分应对忽略掉
• 一般是一个标签占一行，但也需要考虑兼容一行多标签
• 注意兼容允许内部的空格，比如：[ offset : +200 ] 内容

时间标签（Time-tag）

• 这个比较复杂，非标准格式也是多种多样
• 注意1秒=1000毫秒
• 下面我们用m代表分钟，s代表秒，f代表毫秒，常见格式有：
  • [mm:ss.ff]，即[分钟:秒.(毫秒/10)]，分钟和秒之间用冒号:隔开，而秒和毫秒之间用点.隔开，毫秒部分是真实毫秒值 / 10得到的，因此它是一个二位数。
  • [mm:ss:ff]，同上，差别在于秒和毫秒之间用冒号:隔开而不是点.
  • [mm:ss.fff]，同上，差别在于毫秒部分不需要除以10，是真实的毫秒值，因此有3位
  • [mm:ss:fff]，同上，差别在于秒和毫秒之间用冒号:隔开而不是点.
  • [mm:ss]，这个格式没有了毫秒部分
• 一般来讲，分钟、秒、毫秒都会是正整数，但应当考虑兼容匹配负数，如果出现负数，则可以考虑将负数置零或者忽略这一行歌词不予显示
• 时间标签是可以出现一行多时间的，比如：
  • [01:10][01:20][01:50]hello
  • 这应对解析为当播放到 [01:10]、[01:20]、[01:50]这三个时间点时，显示hello这行歌词
• 注意时间标签的内容可能为空格行或者没有内容，即：
  • [01:10] {标签后面是一些空白符号}
  • [01:10] {标签后面没有内容}
• 注意最后自己排一下序，歌词文件内的不一定是排好序的，应对自己按照时间重新排序。

翻译歌词

• LRC中表示翻译歌词，常见的有两种格式：
  • 原文歌词有时间标签，翻译歌词没有时间标签：
  • 原文歌词：[01:10]hello world
  • 翻译歌词：你好 世界
  • 原文歌词和翻译歌词的时间完全相同：
  • 原文歌词：[01:10]hello world
  • 翻译歌词：[01:10]你好 世界
• 显示时，当出现以上两种情况应对视为翻译歌词，播放到时，两句歌词同时亮起
• 重排序时主要考虑无时间戳的翻译歌词仍应跟随原文歌词，对于时间相同的歌词，应对保持他们原来的顺序，即使用稳定排序，如二路归并。

解码实现

• 首先将LRC歌词文本按行分割成一个字符串数组，注意分割符号应当使用 \n 和 \r，这是因为不同操作系统的换行符不同，有些是 \n，有些是 \r\n。
• 遍历字符串数组，将字符串行的左右空白符移除，如果移除完后，这个字符串是空字符串，则丢弃这一行。
• 开始逐行解码，可使用正则表达式匹配标识标签和时间标签：
  • 标识标签：
  • RegExp(r"^[\s\S][\s([^\d])\s\:([\s\S])][\s\S]$")
  • 最基本的部分是 [([^\d])\:(\s\S)]，用于匹配 [{key}:{value}]
  • 然后添加一些空白符匹配，增加容错率即可
• 时间标签：
  • 这需要分两次匹配，因为一行可能包含多个时间
  • RegExp(r"^[\s\S]?(([[+-]?\d+\:[+-]?\d+([.:][+-]?\d+)?]\s)+)([\s\S]*)$")，先检查这一行内是否有时间标签,如果有则进行下一步。
  • RegExp(r"([([+-]?\d+)\:([+-]?\d+)(.:)?]){1}?")可以将每一个时间提取出来。
  • 上面这两个正则表达式支持的时间格式：
    • ①　[mm:ss.ff]
    • ②　[mm:ss]
    • ③　[+-mm:+-ss.+-ff]
  • 如果时间有出现负值，需要将整个时间置零。
  • 计算毫秒部分ff的真实值：
    • ①　如果ff部分是两位数，则 ff=毫秒/10，即真实毫秒值为 ff * 10,转成秒为 ff * 10 / 1000 = ff / 100
    • ②　如果ff部分是三位数，则 ff=毫秒，转成秒为 ff / 1000
  • 对于没有标签的行，应当作为无时间的翻译歌词处理，单行解析时作为-1时间的歌词返回即可，最终排序时作为翻译歌词判断依据。
• 解析完每一行歌词后，将歌词行使用稳定排序算法，如二路归并进行重排序，但在排序之前，需要将歌词时间重新赋值，这是因为部分翻译歌词没有时间，直接排序会导致错乱，因此需要给这些歌词赋值为上一行歌词的时间，让翻译歌词和原文歌词时间一致。然后进行重排序。

编码实现

• 编码要简单一些，主要是歌词时间需要规范化，时间不能出现负数，并遵循[mm:ss.ff]格式，其中ff是 真实毫秒值/10 得到的，因此它只有两位数。
• 注意ff要补足前导零，比如ff值只有7,需要补为 07，否则可能会被认为ff是 真实毫秒值/100。
• 分钟和秒数的前导零没那么重要，但最好也是不足2位则补足前导零。

注意事项

• LRC本质仍然是文本，自然就会有编码问题，一般是UTF-8，当然也有ANSI。
• 一般的歌曲文件，如flac、mp3等都是可以内嵌歌词的，也可以外置一个和歌曲文件同目录、同名、仅文件后缀为lrc的歌词文件。

Dart-LRC编解码器开源实现

• github