python抓取網頁內容并進行語音播報的方法

更新時間：2018年12月24日 10:35:13 作者：jupeizhong

今天小編就為大家分享一篇python抓取網頁內容并進行語音播報的方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

python2.7，下面是跑在window上的，稍作修改就可以跑在linux上。

實測win7和raspbian均可，且raspbian可以直接調用omxplayer命令進行播放。

利用百度的語音合成api進行語音播報，抓取的頁面是北大未名BBS的十大。

先放抓取模塊BDWM.py的代碼：

# -*- coding: utf-8 -*-
import urllib2
import HTMLParser
 
class MyParser(HTMLParser.HTMLParser):
 def __init__(self):
 HTMLParser.HTMLParser.__init__(self) 
 self.nowtag = ''
 self.count = 0
 self.flag = False
 self.isLink = False
 self.count2 = 0
 self.dict = {}
 self.temp = ''
 def handle_starttag(self, tag, attrs):
 if tag == 'span':
  for key, value in attrs:
  if key == 'class' and ('Rank1AmongHisBoard' in value):
   self.count += 1
   if self.count < 11:
   self.flag = True
 if tag == 'a':
  self.isLink = True
 else:
  self.isLink = False
 def handle_data(self, data):
 if self.flag and self.isLink:
  self.count2 += 1
  if self.count2 == 1:
  self.temp = data
  if self.count2 == 3:
  self.flag = False
  self.count2 = 0
  self.dict[self.temp] = data 
 
res = urllib2.urlopen('https://www.bdwm.net/bbs/main0.php')
my = MyParser()
my.feed(res.read().decode("gbk"))
result = ''
str = " 版 "
str = str.decode('utf8')
for i in my.dict:
 result += i + str + my.dict[i] + '\n'
print result

F5運行，抓取結果如下：

>>> ======================= RESTART =======================
>>>
化學與分子工程學院版不喜歡做實驗怎么辦
三角地版烈士旅正在對對研究生會實施最高軍事占領的
十六周年站慶版 ★★畢業(yè)季 | 未名BBS歷年紀念品特賣會★★
遺跡保衛(wèi) 版母校兩日游，想借個飯卡
別問我是誰版遇到性騷擾，打電話跟男朋友傾訴……
美食天地版請問北大附近哪里有好吃的餃子
男孩子版，萬念俱灰！
鵲橋版醫(yī)生mm征GG（#征男友#代征）
談情說愛版 # 感覺身邊都是嘴上急著但心里不急的人 #
北京大學研究生會版農園一層和自稱“常代會”的占座女吵起來了(轉載)(轉載)

可以看到我們成功抓取到了未名BBS十大的版面信息與標題。

下面放語音播報模塊，也是整個程序的入口：

# -*- coding: utf-8 -*-
'''
Author  : Peizhong Ju
Latest Update : 2016/4/21
Function : Use Baidu Voice API to speak
'''
import urllib, urllib2
import json
import ConfigParser
import BDWM
 
config = ConfigParser.ConfigParser()
config.readfp(open('config.ini'))
TOKEN = config.get('Baidu', 'token')
local = config.get('Dir', 'mp3')
words = ''
 
def GetVoice():
 text = urllib.quote(words)
 url = 'http://tsn.baidu.com/text2audio?tex=' + text + '&cuid=b888e32e868c&lan=zh&ctp=1&tok=' + TOKEN
 rep = urllib.urlretrieve(url, local)
 CheckError()
 
def GetAccessToken():
 client_id = config.get('Baidu', 'client_id')
 client_secret = config.get('Baidu', 'client_secret')
 rep = urllib2.urlopen('https://openapi.baidu.com/oauth/2.0/token?grant_type=client_credentials&client_id='+client_id+'&client_secret='+client_secret)
 hjson = json.loads(rep.read())
 return hjson['access_token']
 
def CheckError():
 global TOKEN
 file_object = open(local)
 try:
  all_the_text = file_object.read()
  if (all_the_text[0] == '{'):
  hjson = json.loads(all_the_text)
  #print hjson['err_no']
  if (hjson['err_no'] == 502):
   print 'Getting new access token...'
   TOKEN = GetAccessToken()
   config.set('Baidu', 'token', TOKEN)
   config.write(open('config.ini', "r+"))
   GetVoice()
  else:
   print all_the_text
  else:
  print '[success] ' + words
 finally:
  file_object.close()
 
try:
 words = BDWM.result.encode('utf8')
 GetVoice()
 # use other software to play it
except Exception as e:
 print "ERROR!"
 print e

當中我們用到了config文件，便于記錄和修改，格式如下：

[Baidu]
client_id = HWWuh7dee6EBSAvzrOGaGNvX
client_secret = G3PwLHC5aCN2TQn3GcYjhn3BmH6xgxtR
token = 24.533d59e6554d133ea6bf02125bc6fa30.2592000.1463760851.282335-5802050
 
[Dir]
mp3 = C:\Users\jupeizhong\Desktop\python2\baiduVoice\hello.mp3

其中token是由程序生成的。

以上這篇python抓取網頁內容并進行語音播報的方法就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

您可能感興趣的文章: