Python网页正文转换语音文件的操作方法


Posted in Python onDecember 09, 2018

天气真的是越来越冷啦,有时候我们想翻看网页新闻,但是又冷的不想把手拿出来,移动鼠标翻看。这时候,是不是特别想电脑像讲故事一样,给我们念出来呢?人生苦短,我有python啊,试试用 Python 来朗读给你听吧。

网页转换成语音,步骤无外乎:

网页正文识别,获取到正文的文本内容;

文本转语音,通过接口将文本转换成语音文件;

语音文件的发声,即将语音文件读出;

Python网页正文转换语音文件的操作方法

1 网页正文识别

之所以用 Python,就是因为 Python 有着丰富的库,网页正文识别也不在话下。这里用

readability、goose3

1.1 readability

readability 支持 Python3,使用 pip install readability-lxml 安装即可。

readability 使用起来也很方便:

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 提取到的正文内容不是文本,里面仍包含 HTML 标签。

当然也可以结合其他组件再对 HTML 进行处理,如 html2text,我们这里就不再延伸,有兴趣的可以自行尝试。

1.2 goose3

Goose 本来是一个用 Java 编写的文章提取器,后来就有了 Python 实现版: goose3 。

使用起来也很方便,同时对中文支持也不错。使用 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])

北京时间6月15日23:00(圣彼得堡当地时间18:00),2018年世界杯B组一场比赛在圣彼得堡球场展开角逐,伊朗1比0险胜摩洛哥,伊朗前锋阿兹蒙半场结束前错过单刀机会,鲍哈杜兹第95分钟自摆乌

龙。这是伊朗20年来首度在世界杯决赛圈取胜。

本届世界杯,既相继出现替补便进球,贴补梅开二度以及东道主

可以看出网页正文提取效果还不错,基本满足我们的要求,可以使用!

注意:goose 还有另外一个 Python2 的版本:Python-Goose,使用方法和 goose3 基本一样。

2 文本转语音

文本转语音,百度、阿里、腾讯、讯飞等都有提供 REST API 接口,阿里和腾讯的申请相对时间较长,阿里的貌似还要收费,百度和讯飞的在线申请后即可使用。

没办法,好的东西得来总是要曲折一些。其中百度的没有调用量的限制(其实默认是 200000 次/天),讯飞有每天 500 次的限制。

这里我们使用百度的 REST API 接口中的语言合成接口,一方面原因是百度的调用次数没有限制,另一方面,我大致看了下讯飞的接口文档,接口限制还是比较多的。还有就是百度提供了 REST API 的 Python 封装,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 可以直接安装。接口的使用可以参考接口文档: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

均可在服务控制台中的应用列表中查看。

"""
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:

Python网页正文转换语音文件的操作方法

接口对单次传入的文本进行了限制,合成文本长度必须小于 1024 字节,如果文本长度过长,就需要进行切割处理,采用多次请求的方式,分别转换成语音文件,最后再将多个语音文件合并成一个。

2.2 文本切割

可以使用如下代码将文本分割成多个长度为 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 来处理生成的音频文件。使用 pip install pydub 即可安装。

另外还 Ubuntu 环境需要安装依赖的,使用 sudo apt-get install libav-tools 安装即可,而在 Windows 环境需要到 https://ffmpeg.zeranoe.com/builds/ 下载 FFmpeg,并将其配置到环境变量中。

若还有问题,可以参考官网配置: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

通过百度的接口,我们可以将文字转化成音频文件,下面的问题就是如何播放音频文件。

3 音频文件播放

网上获取到 Python 播放 wav 文件的方式由好几种,包括 pyaudio、pygame、winsound、playsound。不过测试下来,只有 playsound 成功。其他方式有兴趣的可以试下,有问题可以留言交流。

使用 pip install playsound 安装后即可使用。

使用也很简单

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

说明:音频的播放需要在图形化页面下运行,因为命令行模式下,没有播放声音的出口。

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

运行后,代码就会自动解析网页并进行朗读啦。

至此,网页到音频的转换就结束了,当然程序没有这么完美,比如中英文混合的网页解析和转换的结果就不怎么理想,但是纯中文的新闻页面效果还是不错的。

总结

以上所述是小编给大家介绍的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,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对三水点靠木网站的支持!

Python 相关文章推荐
rhythmbox中文名乱码问题解决方法
Sep 06 Python
python使用心得之获得github代码库列表
Jun 25 Python
python 时间戳与格式化时间的转化实现代码
Mar 23 Python
浅析python递归函数和河内塔问题
Apr 18 Python
python学习入门细节知识点
Mar 29 Python
python 读取文本文件的行数据,文件.splitlines()的方法
Jul 12 Python
Python Django框架防御CSRF攻击的方法分析
Oct 18 Python
python+selenium定时爬取丁香园的新型冠状病毒数据并制作出类似的地图(部署到云服务器)
Feb 09 Python
python中元组的用法整理
Jun 15 Python
python实现AdaBoost算法的示例
Oct 03 Python
写一个Python脚本自动爬取Bilibili小视频
Apr 24 Python
Python函数式编程中itertools模块详解
Sep 15 Python
python 使用 requests 模块发送http请求 的方法
Dec 09 #Python
Python实现八皇后问题示例代码
Dec 09 #Python
python中的tcp示例详解
Dec 09 #Python
python数据处理 根据颜色对图片进行分类的方法
Dec 08 #Python
Python发送邮件测试报告操作实例详解
Dec 08 #Python
Python自动发送邮件的方法实例总结
Dec 08 #Python
Python数据集切分实例
Dec 08 #Python
You might like
Uncaught exception com_exception with message Failed to create COM object
2012/01/11 PHP
2014过年倒计时示例
2014/01/31 PHP
php导入csv文件碰到乱码问题的解决方法
2014/02/10 PHP
thinkPHP简单导入和使用阿里云OSSsdk的方法
2017/03/15 PHP
PHP基于双向链表与排序操作实现的会员排名功能示例
2017/12/26 PHP
基于laravel belongsTo使用详解
2019/10/18 PHP
javascript 禁止复制网页
2009/06/11 Javascript
js点击页面其它地方将某个显示的DIV隐藏
2012/07/12 Javascript
Javascript图像处理—亮度对比度应用案例
2013/01/03 Javascript
javascript对JSON数据排序的3个例子
2014/04/12 Javascript
JavaScript中伪协议 javascript:使用探讨
2014/07/18 Javascript
详解javascript遍历方式
2015/11/11 Javascript
jquery中cookie用法实例详解(获取,存储,删除等)
2016/01/04 Javascript
Augularjs-起步详解
2016/07/08 Javascript
JS不完全国际化&本地化手册 之 理论篇
2016/09/27 Javascript
js拖拽功能实现代码解析
2016/11/28 Javascript
Vue.js 中的 $watch使用方法
2017/05/25 Javascript
node.js利用socket.io实现多人在线匹配联机五子棋
2018/05/31 Javascript
vue脚手架搭建过程图解
2018/06/06 Javascript
jQuery中DOM操作原则实例分析
2019/08/01 jQuery
PyQt5利用QPainter绘制各种图形的实例
2017/10/19 Python
Python开发的十个小贴士和技巧及长常犯错误
2018/09/27 Python
python导包的几种方法(自定义包的生成以及导入详解)
2019/07/15 Python
python使用pandas处理excel文件转为csv文件的方法示例
2019/07/18 Python
python中利用matplotlib读取灰度图的例子
2019/12/07 Python
python使用for...else跳出双层嵌套循环的方法实例
2020/05/17 Python
HTML5 canvas标签实现刮刮卡效果
2015/04/24 HTML / CSS
JAVA代码查错题
2014/10/10 面试题
中专毕业生自我鉴定
2013/11/21 职场文书
创业计划书——互联网商机
2014/01/12 职场文书
幼儿园大班评语大全
2014/04/17 职场文书
用Python简陋模拟n阶魔方
2021/04/17 Python
go原生库的中bytes.Buffer用法
2021/04/25 Golang
Python一行代码实现自动发邮件功能
2021/05/30 Python
图文详解matlab原始处理图像几何变换
2021/07/09 Python
pt-archiver 主键自增
2022/04/26 MySQL