教你用 Python 來朗讀網頁

不正經程式設計師發表於2018-10-31


是不是有的時候懶得自己看新聞?那麼不妨試試用 Python 來朗讀給你聽吧。

網頁轉換成語音,步驟無外乎:

  1. 網頁正文識別,獲取到正文的文字內容;

  2. 文字轉語音,透過介面將文字轉換成語音檔案;

  3. 語音檔案的發聲,即將語音檔案讀出;

教你用 Python 來朗讀網頁

1 網頁正文識別

之所以用 Python,就是因為 Python 有著豐富的庫,網頁正文識別也不在話下。這裡我嘗試了 readabilitygoose31.1 readability

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

readability 使用起來也很方便:

import requests
from readability import Document

response = requests.get(')
doc = Document(response.text)
print(doc.title())

但是 readability 提取到的正文內容不是文字,裡面仍包含 HTML 標籤。

當然也可以結合其他元件再對 HTML 進行處理,如 html2text,我們這裡就不再延伸,有興趣的可以自行嘗試。

1.2 goose3

Goose 本來是一個用 Java 編寫的文章提取器,後來就有了 Python 實現版: goose3 。

使用起來也很方便,同時對中文支援也不錯。使用 pip install goose3 即可安裝。

>>> from goose3 import Goose
>>> from goose3.text import StopWordsChinese
>>> url  = '
>>> g = Goose({'stopwords_class': StopWordsChinese})
>>> article = g.extract(url=url)
>>> print(article.cleaned_text[:150])
北京時間61523:00(聖彼得堡當地時間18:00),2018年世界盃B組一場比賽在聖彼得堡球場展開角逐,伊朗10險勝摩洛哥,伊朗前鋒阿茲蒙半場結束前錯過單刀機會,鮑哈杜茲第95分鐘自擺烏
龍。這是伊朗20年來首度在世界盃決賽圈取勝。

本屆世界盃,既相繼出現替補便進球,貼補梅開二度以及東道主

可以看出網頁正文提取效果還不錯,基本滿足我們的要求,可以使用!

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

2 文字轉語音

文字轉語音,百度、阿里、騰訊、訊飛等都有提供 REST API 介面,阿里和騰訊的申請相對時間較長,阿里的貌似還要收費,百度和訊飛的線上申請後即可使用。

沒辦法,好的東西得來總是要曲折一些。其中百度的沒有呼叫量的限制(其實預設是 200000 次/天),訊飛有每天 500 次的限制。

這裡我們使用百度的 REST API 介面中的語言合成介面,一方面原因是百度的呼叫次數沒有限制,另一方面,我大致看了下訊飛的介面文件,介面限制還是比較多的。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。介面的使用可以參考介面文件:。

使用示例如下:

from aip import AipSpeech
"""
你的 APPID AK SK 
均可在服務控制檯中的應用列表中檢視。
"""

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,你在做什麼''zh'3, {
    'vol'5,
})
# 識別正確返回語音二進位制 錯誤則返回dict 參照下面錯誤碼
if not isinstance(result, dict):
    with open('auido.mp3''wb'as f:
        f.write(result)

介面引數:

引數型別描述必傳
texString合成的文字,使用UTF-8編碼,請注意文字長度必須小於1024位元組
langString語言選擇,填寫zh
ctpString客戶端型別選擇,web端填寫1
cuidString使用者唯一標識,用來區分使用者,填寫機器 MAC 地址或 IMEI 碼,長度為60以內
spdString語速,取值0-9,預設為5中語速
pitString音調,取值0-9,預設為5中語調
volString音量,取值0-15,預設為5中音量
perString發音人選擇,0為女聲,1為男聲,3為情感合成-度逍遙,4為情感合成-度丫丫,預設為普通女

介面對單次傳入的文字進行了限制,合成文字長度必須小於 1024 位元組,如果文字長度過長,就需要進行切割處理,採用多次請求的方式,分別轉換成語音檔案,最後再將多個語音檔案合併成一個。

2.2 文字切割

可以使用如下程式碼將文字分割成多個長度為 500 的文字列表

# 將文字按 500 的長度分割成多個文字
text_list = [text[i:i+500for i in range(0, len(text), 500)]

2.3 語言檔案合併

我們使用 pydub 來處理生成的音訊檔案。使用 pip install pydub 即可安裝。

另外還 Ubuntu 環境需要安裝依賴的,使用 sudo apt-get install libav-tools  安裝即可,而在 Windows 環境需要到 下載 FFmpeg,並將其配置到環境變數中。

若還有問題,可以參考官網配置:。

# 合併音訊檔案
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:
            # 拼接音訊檔案
            song += AudioSegment.from_file(f,"mp3")
        # 刪除臨時音訊
        os.unlink(f)

    # 匯出合併後的音訊檔案,格式為MP3格式
    file_name = str(uuid.uuid1()) + ".mp3"
    song.export(file_name, format="mp3")
    return file_name

這裡有一個測試時生成的檔案,大家可以試聽一下:

透過百度的介面,我們可以將文字轉化成音訊檔案,下面的問題就是如何播放音訊檔案。

3 音訊檔案播放

網上獲取到 Python 播放 wav 檔案的方式由好幾種,包括 pyaudio、pygame、winsound、playsound。不過測試下來,只有 playsound 成功。其他方式有興趣的可以試下,有問題可以留言交流。

使用 pip install playsound 安裝後即可使用。

使用也很簡單:

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

說明:音訊的播放需要在圖形化頁面下執行,因為命令列模式下,沒有播放聲音的出口。

python page2voice.py -u "

執行後,程式碼就會自動解析網頁並進行朗讀啦。

4 總結

至此,網頁到音訊的轉換就結束了,當然程式沒有這麼完美,比如中英文混合的網頁解析和轉換的結果就不怎麼理想,但是純中文的新聞頁面效果還是不錯的。

原始碼已上傳至 GitHub,後臺回覆「網頁」即可獲取。

原文連結:https://mp.weixin.qq.com/s/-wnWOJxSaoxdpwOqjW9btg

來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/31559358/viewspace-2218229/,如需轉載,請註明出處,否則將追究法律責任。

相關文章