网页版python叫什么-我不想浏览网页,那么我就用Python实现网页自动化朗读!
是不是有的时候懒得自己看新闻?那么不妨试试用 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;
01: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。这里我尝试了 readability、goose3。
1.1 readabilityreadability 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。
02: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:
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)]
2.3 语言文件合并
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。
03: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。
04:总结
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。源码已上传至 GitHub:
https://github.com/hoxis/to_voice/blob/master/page2voice.py
网页版python叫什么-我不想浏览网页,那么我就用Python实现网页自动化朗读!相关推荐
- Python为什么这么厉害? 不想成为专业码农? 来学习Python吧!
2019独角兽企业重金招聘Python工程师标准>>> 什么是码农? 什么是码农,大家用它来自娱自乐,然而,其中的辛酸只有程序员自己知道.程序员冲锋在第一线,各个人都在盯着你的结果, ...
- 学python吧-Python为什么这么厉害? 不想成为专业码农? 来学习Python吧!
什么是码农? 什么是码农,大家用它来自娱自乐,然而,其中的辛酸只有程序员自己知道.程序员冲锋在第一线,各个人都在盯着你的结果,不断给你施加压力.你就是一个机器一样的干活,除了干活还是干活.程序员的压力 ...
- python工程师薪资坑吗-想转行,是要入坑Python还是Java?这问题还用问?
我有一个读者朋友问了我这么一个问题,他说:鬼哥,我是一个大三的学生,学的是计算机科学与技术专业,不过学校教得很杂,什么都只教一点,且什么都不深,感觉学到了很多的东西,但又觉得什么都没有学到,我现在很苦 ...
- 三国杀网页版普通服务器怎么进,就想知道老服怎么进_三国杀Online_玩家社区_三国杀官方社区 - Powered by Discuz!...
查看: 531|回复: 4 就想知道老服怎么进 当前离线UID经验1979 粮饷67 最后登录2020-12-9 在线时间0 小时 六韬之略, 积分 1979, 距离下一级还需 1021 积分 六韬之 ...
- python成为金融编程_想做金融矿工,会写Python和C++就够了吗?
"对 Quant 而言 Python 的需求高吗,除 C++ 外还有哪些流行的编程语言?">>更多FRM 相关问题点我咨询 1. 高 2. 还有:Python, Jav ...
- python爬取网页版QQ空间,生成词云图、柱状图、折线图(附源码)
python爬取网页版QQ空间,生成词云图.柱状图.折线图 最近python课程学完了,琢磨着用python点什么东西,经过一番搜索,盯上了QQ空间,拿走不谢,欢迎点赞收藏,记得github给个sta ...
- Python爬虫【二】爬取PC网页版“微博辟谣”账号内容(selenium同步单线程)
专题系列导引 爬虫课题描述可见: Python爬虫[零]课题介绍 – 对"微博辟谣"账号的历史微博进行数据采集 课题解决方法: 微博移动版爬虫 Python爬虫[一]爬取移 ...
- Python爬虫【四】爬取PC网页版“微博辟谣”账号内容(selenium多线程异步处理多页面)
专题系列导引 爬虫课题描述可见: Python爬虫[零]课题介绍 – 对"微博辟谣"账号的历史微博进行数据采集 课题解决方法: 微博移动版爬虫 Python爬虫[一]爬取移 ...
- Python爬虫【三】爬取PC网页版“微博辟谣”账号内容(selenium单页面内多线程爬取内容)
专题系列导引 爬虫课题描述可见: Python爬虫[零]课题介绍 – 对"微博辟谣"账号的历史微博进行数据采集 课题解决方法: 微博移动版爬虫 Python爬虫[一]爬取移 ...
最新文章
- C# DataSet与DataTable的区别和用法
- 独家 | 每个数据科学家应该知道的五种检测异常值的方法(附Python代码)
- 【Java 并发编程】线程简介 ( 原子操作 | volatile 关键字使用场景 )
- HDU1978 记忆化搜索
- 比特币如何达成共识 - 最长链的选择
- 用Java弹出创建新的消息通知
- pythonopencv提取圆内图像_python – 使用OpenCV从图像中提取多边形给定...
- [转载]带你玩转Visual Studio——带你高效开发
- Windows CE的学习路线
- 东南亚跨境电商为什么推荐ERP仓储系统?
- 8年测试工程师,从“点点点”成长到华为测试主管——我必须告诉你这些......(共勉)
- HoverTree.Model.ArticleSelect类的作用
- mac pro M1(ARM)安装:VMWare Fusion及linux(centos7/ubuntu)(一)
- 智协云店通+BitCOO的4WiN.io全球互贸链 | 翼次元空间+Fund++
- Android Glide加载网络图片不显示,但浏览器能打开图片
- 2017-2020(4周年)读书年度总结及书单
- 【Mybatis从入门到实战教程】第一章 Mybatis 入门
- linux堆内存管理
- 一个grep使用正则表达式的例子
- s18服务器维护,8月11日S15至S18服务器合服公告!
热门文章
- 深度解读Facebook刚开源的beringei时序数据库——数据压缩delta of delta+充分利用内存以提高性能...
- mongodb分片介绍—— 基于范围(数值型)的分片 或者 基于哈希的分片
- Java7/8 中的 HashMap 和 ConcurrentHashMap 全解析
- 详谈Spring定义
- 第六周作业(sticky
- js-带操作的赋值表达式
- 转:【Java并发编程】之十六:深入Java内存模型——happen-before规则及其对DCL的分析(含代码)...
- 第二十一节(数组概要, 一维、二维数组的声明和使用,数组的排序,数组的查找,)...
- Asp.net生成Excel文件并下载(解决使用迅雷下载页面而不是文件的问题)
- php提供的用户密码加密函数