怎麼用 Python 來朗讀網頁 ？
- 2019 年 11 月 12 日
- 筆記
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：
- 網頁正文識別，獲取到正文的文本內容；
- 文本轉語音，通過介面將文本轉換成語音文件；
- 語音文件的發聲，即將語音文件讀出；
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 readability、goose3。
1.1 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('http://news.china.com/socialgd/10000169/20180616/32537640_all.html') doc = Document(response.text) print(doc.title())
但是 readability 提取到的正文內容不是文本，裡面仍包含 HTML 標籤。
當然也可以結合其他組件再對 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 = '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]) 北京時間6月15日23:00(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1比0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 文本轉語音
文本轉語音，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，百度和訊飛的在線申請後即可使用。
沒辦法，好的東西得來總是要曲折一些。其中百度的沒有調用量的限制（其實默認是 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調用次數沒有限制，另一方面，我大致看了下訊飛的介面文檔，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 均可在服務控制台中的應用列表中查看。 """ 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，你在做什麼', 'zh', 3, { 'vol': 5, }) # 識別正確返回語音二進位 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)
介面參數：
|
參數 |
類型 |
描述 |
必傳 |
|---|---|---|---|
|
tex |
String |
合成的文本，使用UTF-8編碼，請注意文本長度必須小於1024位元組 |
是 |
|
lang |
String |
語言選擇,填寫zh |
是 |
|
ctp |
String |
客戶端類型選擇，web端填寫1 |
是 |
|
cuid |
String |
用戶唯一標識，用來區分用戶，填寫機器 MAC 地址或 IMEI 碼，長度為60以內 |
否 |
|
spd |
String |
語速，取值0-9，默認為5中語速 |
否 |
|
pit |
String |
音調，取值0-9，默認為5中語調 |
否 |
|
vol |
String |
音量，取值0-15，默認為5中音量 |
否 |
|
per |
String |
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，默認為普通女 |
否 |
介面對單次傳入的文本進行了限制，合成文本長度必須小於 1024 位元組，如果文本長度過長，就需要進行切割處理，採用多次請求的方式，分別轉換成語音文件，最後再將多個語音文件合併成一個。
2.2 文本切割
可以使用如下程式碼將文本分割成多個長度為 500 的文本列表
# 將文本按 500 的長度分割成多個文本 text_list = [text[i:i+500] for i in range(0, len(text), 500)]
2.3 語言文件合併
我們使用 pydub 來處理生成的音頻文件。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 https://ffmpeg.zeranoe.com/builds/ 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：https://github.com/jiaaro/pydub。
# 合併音頻文件 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") # 刪除臨時音頻 os.unlink(f) # 導出合併後的音頻文件，格式為MP3格式 file_name = str(uuid.uuid1()) + ".mp3" song.export(file_name, format="mp3") return file_name
這裡有一個測試時生成的文件，大家可以試聽一下：
通過百度的介面，我們可以將文字轉化成音頻文件，下面的問題就是如何播放音頻文件。
3 音頻文件播放
網上獲取到 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：音頻的播放需要在圖形化頁面下運行，因為命令行模式下，沒有播放聲音的出口。
python page2voice.py -u "https://so.gushiwen.org/shiwenv_c244fc77f6fb.aspx"
運行後，程式碼就會自動解析網頁並進行朗讀啦。
4 總結
至此，網頁到音頻的轉換就結束了，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。
源碼已上傳至 GitHub，後台回復「網頁」即可獲取。
