天氣真的是越來(lái)越冷啦，有時(shí)候我們想翻看網(wǎng)頁(yè)新聞，但是又冷的不想把手拿出來(lái)，移動(dòng)鼠標(biāo)翻看。這時(shí)候，是不是特別想電腦像講故事一樣，給我們念出來(lái)呢？人生苦短，我有python啊，試試用 Python 來(lái)朗讀給你聽(tīng)吧。

網(wǎng)頁(yè)轉(zhuǎn)換成語(yǔ)音，步驟無(wú)外乎：

網(wǎng)頁(yè)正文識(shí)別，獲取到正文的文本內(nèi)容；

文本轉(zhuǎn)語(yǔ)音，通過(guò)接口將文本轉(zhuǎn)換成語(yǔ)音文件；

語(yǔ)音文件的發(fā)聲，即將語(yǔ)音文件讀出；

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(huà)下。這里用

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(xiě)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(kāi)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(kāi)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(mǎn)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(xiàn)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)]

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(lài)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

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较拢瑳](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。

至此，網(wǎng)頁(yè)到音頻的轉(zhuǎn)換就結(jié)束了，當(dāng)然程序沒(méi)有這么完美，比如中英文混合的網(wǎng)頁(yè)解析和轉(zhuǎn)換的結(jié)果就不怎么理想，但是純中文的新聞頁(yè)面效果還是不錯(cuò)的。

總結(jié)

以上所述是小編給大家介紹的Python網(wǎng)頁(yè)正文轉(zhuǎn)換語(yǔ)音文件的操作方法，希望對(duì)大家有所幫助，如果大家有任何疑問(wèn)請(qǐng)給我留言，小編會(huì)及時(shí)回復(fù)大家的。在此也非常感謝大家對(duì)腳本之家網(wǎng)站的支持！

您可能感興趣的文章: