Python实现网页正文转语音的完整流程

随着气温逐渐降低，有时我们只想浏览网页新闻，却不愿伸手移动鼠标。此时，若能像听故事一样让电脑朗读内容便十分惬意。既然人生苦短，不妨尝试使用Python来实现这一功能。

将网页内容转换为语音主要包含以下步骤：

首先识别并提取网页正文，获取纯文本内容；

接着利用接口将文本转换为语音文件；

最后播放生成的语音文件。

1 网页正文识别

Python拥有丰富的第三方库，处理网页正文提取并非难事。本文主要介绍以下两个工具：

readability、goose3

1.1 readability

readability支持Python3，可通过命令pip install readability-lxml进行安装。

该库的使用方式十分简便：

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())

需要注意的是，readability提取出的正文仍包含HTML标签，并非纯文本。

若需进一步处理，可结合html2text等组件清洗HTML，此处不再展开，读者可自行尝试。

1.2 goose3

Goose原为Java编写的文章提取器，随后出现了Python实现版本：goose3。

其使用同样便捷，且对中文支持良好，通过pip install goose3即可安装。

>>> 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])

以北京时间6月15日23:00（圣彼得堡当地时间18:00）为例，2018年世界杯B组一场比赛在圣彼得堡球场进行，伊朗1比0险胜摩洛哥，伊朗前锋阿兹蒙在半场结束前错失单刀机会，鲍哈杜兹在第95分钟自摆乌龙。

这是伊朗20年来首次在世界杯决赛圈取得胜利。

本届世界杯中，还相继出现了替补球员进球、替补球员梅开二度以及东道主表现等精彩瞬间。

由此可见，网页正文提取效果良好，基本满足需求，可以使用。

注意：goose还有一个Python2版本名为Python-Goose，其使用方法与goose3基本一致。

2 文本转语音

百度、阿里、腾讯、讯飞等厂商均提供REST API接口用于文本转语音。其中，阿里和腾讯的申请周期较长，阿里服务似乎还需付费，而百度和讯飞在线申请后即可使用。

优质资源往往获取不易。其中，百度接口没有明确的调用量限制（默认上限为200000次/天），而讯飞接口每天限制500次。

本文选用百度REST API中的语言合成接口，原因有二：一是百度调用次数无限制；二是讯飞接口文档显示其限制较多。此外，百度提供了Python封装库，使用更为便捷。

2.1 baidu-aip 的使用

百度提供了Python SDK，可通过pip install baidu-aip直接安装。接口使用详情可参考官方文档：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

这些信息均可在服务控制台的应用列表中查看。

"""
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,
})
# 识别正确返回语音二进制 错误则返回dict 参照下面错误码
if not isinstance(result, dict):
with open('auido.mp3', 'wb') as f:
f.write(result)

接口参数说明：

接口对单次传入文本长度有限制，合成文本必须小于1024字节。若文本过长，需进行切割处理，通过多次请求分别生成语音文件，最后将多个语音文件合并为一个。

2.2 文本切割

可使用如下代码将文本分割为多个长度为500的文本列表：

# 将文本按 500 的长度分割成多个文本
text_list = [text[i:i+500] for i in range(0, len(text), 500)]

我们使用pydub库处理生成的音频文件，通过pip install pydub安装即可。

此外，在Ubuntu环境下需安装依赖，使用sudo apt-get install libav-tools命令安装；在Windows环境下，需从https://ffmpeg.zeranoe.com/builds/下载FFmpeg并将其配置到环境变量中。

若遇到问题，可参考官网配置指南：https://github.com/jiaaro/pydub。

# 合并音频文件
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:
# 拼接音频文件
song += AudioSegment.from_file(f,"mp3")
# 删除临时音频
os.unlink(f)
# 导出合并后的音频文件，格式为MP3格式
file_name = str(uuid.uuid1()) + ".mp3"
song.export(file_name, format="mp3")
return file_name

通过百度接口可将文字转化为音频文件，接下来的问题是如何播放该音频。

3 音频文件播放

网上介绍Python播放wav文件的方法有多种，包括pyaudio、pygame、winsound、playsound等。经测试，仅playsound成功。其他方法有兴趣者可自行尝试，如有问题欢迎留言交流。

通过pip install playsound安装后即可使用。

使用方法十分简单：

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

说明：音频播放需在图形化界面下运行，因为命令行模式下缺乏声音输出出口。

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

运行代码后，程序将自动解析网页并进行朗读。

至此，网页到音频的转换流程结束。当然，该程序并非完美，例如中英文混合网页的解析和转换效果不佳，但纯中文新闻页面的效果尚可。

总结

以上介绍了Python网页正文转换语音文件的操作方法，希望对大家有所帮助。如有任何疑问，请留言，小编会及时回复。在此感谢大家对本站网站的支持！