怎么用Python來(lái)朗讀網(wǎng)頁(yè)

1 網(wǎng)頁(yè)正文識(shí)別

之所以用 Python，就是因?yàn)?Python 有著豐富的庫(kù)，網(wǎng)頁(yè)正文識(shí)別也不在話下。這里我嘗試了 readability、goose3。1.1 readability

readability 支持 Python3，使用 pip install readability-lxml 安裝即可。

readability 使用起來(lái)也很方便：

import requests
from readability import Document

response = requests.get('http://news.china.com/socialgd/10000169/20180616/32537640_all.html')
doc = Document(response.text)
print(doc.title())

但是 readability 提取到的正文內(nèi)容不是文本，里面仍包含 HTML 標(biāo)簽。

當(dāng)然也可以結(jié)合其他組件再對(duì) HTML 進(jìn)行處理，如 html2text，我們這里就不再延伸，有興趣的可以自行嘗試。

1.2 goose3

Goose 本來(lái)是一個(gè)用 Java 編寫的文章提取器，后來(lái)就有了 Python 實(shí)現(xiàn)版： goose3 。

使用起來(lái)也很方便，同時(shí)對(duì)中文支持也不錯(cuò)。使用 pip install goose3 即可安裝。

>>> from goose3 import Goose
>>> from goose3.text import StopWordsChinese
>>> url  = 'http://news.china.com/socialgd/10000169/20180616/32537640_all.html'
>>> g = Goose({'stopwords_class': StopWordsChinese})
>>> article = g.extract(url=url)
>>> print(article.cleaned_text[:150])
北京時(shí)間6月15日23:00(圣彼得堡當(dāng)?shù)貢r(shí)間18:00)，2018年世界杯B組一場(chǎng)比賽在圣彼得堡球場(chǎng)展開角逐，伊朗1比0險(xiǎn)勝摩洛哥，伊朗前鋒阿茲蒙半場(chǎng)結(jié)束前錯(cuò)過(guò)單刀機(jī)會(huì)，鮑哈杜茲第95分鐘自擺烏
龍。這是伊朗20年來(lái)首度在世界杯決賽圈取勝。

本屆世界杯，既相繼出現(xiàn)替補(bǔ)便進(jìn)球，貼補(bǔ)梅開二度以及東道主

可以看出網(wǎng)頁(yè)正文提取效果還不錯(cuò)，基本滿足我們的要求，可以使用！

注意：goose 還有另外一個(gè) Python2 的版本：Python-Goose，使用方法和 goose3 基本一樣。

2 文本轉(zhuǎn)語(yǔ)音

文本轉(zhuǎn)語(yǔ)音，百度、阿里、騰訊、訊飛等都有提供 REST API 接口，阿里和騰訊的申請(qǐng)相對(duì)時(shí)間較長(zhǎng)，阿里的貌似還要收費(fèi)，百度和訊飛的在線申請(qǐng)后即可使用。

沒(méi)辦法，好的東西得來(lái)總是要曲折一些。其中百度的沒(méi)有調(diào)用量的限制（其實(shí)默認(rèn)是 200000 次/天），訊飛有每天 500 次的限制。

這里我們使用百度的 REST API 接口中的語(yǔ)言合成接口，一方面原因是百度的調(diào)用次數(shù)沒(méi)有限制，另一方面，我大致看了下訊飛的接口文檔，接口限制還是比較多的。還有就是百度提供了 REST API 的 Python 封裝，使用也更方便。

2.1 baidu-aip 的使用

百度提供了 Python SDK，使用 pip install baidu-aip 可以直接安裝。接口的使用可以參考接口文檔：http://ai.baidu.com/docs#/TTS-Online-Python-SDK/top。

使用示例如下：

from aip import AipSpeech
"""
你的 APPID AK SK 
均可在服務(wù)控制臺(tái)中的應(yīng)用列表中查看。
"""
APP_ID = '你的 App ID'
API_KEY = '你的 Api Key'
SECRET_KEY = '你的 Secret Key'
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
result  = client.synthesis('你好，你在做什么', 'zh', 3, {
    'vol': 5,
})
# 識(shí)別正確返回語(yǔ)音二進(jìn)制 錯(cuò)誤則返回dict 參照下面錯(cuò)誤碼
if not isinstance(result, dict):
    with open('auido.mp3', 'wb') as f:
        f.write(result)

接口參數(shù)：

接口對(duì)單次傳入的文本進(jìn)行了限制，合成文本長(zhǎng)度必須小于 1024 字節(jié)，如果文本長(zhǎng)度過(guò)長(zhǎng)，就需要進(jìn)行切割處理，采用多次請(qǐng)求的方式，分別轉(zhuǎn)換成語(yǔ)音文件，最后再將多個(gè)語(yǔ)音文件合并成一個(gè)。

2.2 文本切割

可以使用如下代碼將文本分割成多個(gè)長(zhǎng)度為 500 的文本列表

# 將文本按 500 的長(zhǎng)度分割成多個(gè)文本
text_list = [text[i:i+500] for i in range(0, len(text), 500)]

2.3 語(yǔ)言文件合并

我們使用 pydub 來(lái)處理生成的音頻文件。使用 pip install pydub 即可安裝。

另外還 Ubuntu 環(huán)境需要安裝依賴的，使用 sudo apt-get install libav-tools  安裝即可，而在 Windows 環(huán)境需要到 https://ffmpeg.zeranoe.com/builds/ 下載 FFmpeg，并將其配置到環(huán)境變量中。

若還有問(wèn)題，可以參考官網(wǎng)配置：https://github.com/jiaaro/pydub。

# 合并音頻文件
def merge_voice(file_list):
    voice_dict = {}
    song = None
    for i,f in enumerate(file_list):
        if i == 0:
            song = AudioSegment.from_file(f,"mp3")
        else:
            # 拼接音頻文件
            song += AudioSegment.from_file(f,"mp3")
        # 刪除臨時(shí)音頻
        os.unlink(f)

    # 導(dǎo)出合并后的音頻文件，格式為MP3格式
    file_name = str(uuid.uuid1()) + ".mp3"
    song.export(file_name, format="mp3")
    return file_name

這里有一個(gè)測(cè)試時(shí)生成的文件，大家可以試聽(tīng)一下：

通過(guò)百度的接口，我們可以將文字轉(zhuǎn)化成音頻文件，下面的問(wèn)題就是如何播放音頻文件。

3 音頻文件播放

網(wǎng)上獲取到 Python 播放 wav 文件的方式由好幾種，包括 pyaudio、pygame、winsound、playsound。不過(guò)測(cè)試下來(lái)，只有 playsound 成功。其他方式有興趣的可以試下，有問(wèn)題可以留言交流。

使用 pip install playsound 安裝后即可使用。

使用也很簡(jiǎn)單：

>>> from playsound import playsound
>>> playsound('/path/to/a/sound/file/you/want/to/play.mp3')

說(shuō)明：音頻的播放需要在圖形化頁(yè)面下運(yùn)行，因?yàn)槊钚心Ｊ较?，沒(méi)有播放聲音的出口。

python page2voice.py -u "https://so.gushiwen.org/shiwenv_c244fc77f6fb.aspx"

運(yùn)行后，代碼就會(huì)自動(dòng)解析網(wǎng)頁(yè)并進(jìn)行朗讀啦。