网页中文本朗读功能开发实现分享

开发 前端
前几天完成了一个需求,在网页中完成鼠标指向哪里,就用语音读出所指的文本。如果是按钮、链接、文本输入框,则还还要给出是什么的提醒。同时针对大段的文本,不能整段的去读,要按照标点符号进行断句处理。

[[212817]]

前几天完成了一个需求,在网页中完成鼠标指向哪里,就用语音读出所指的文本。如果是按钮、链接、文本输入框,则还还要给出是什么的提醒。同时针对大段的文本,不能整段的去读,要按照标点符号进行断句处理。

重点当然就是先获取到当前标签上的文本,再把文本转化成语音即可。

标签朗读

这个很简单了,只用根据当前是什么标签,给出提示即可。

// 标签朗读文本 
var tagTextConfig = { 
    'a''链接'
    'input[text]''文本输入框'
    'input[password]''密码输入框'
    'button''按钮'
    'img''图片' 
}; 
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.

还有需要朗读的标签,继续再添加即可。

然后根据标签,返回前缀文本即可。

/** 
* 获取标签朗读文本 
* @param {HTMLElement} el 要处理的HTMLElement 
* @returns {String}   朗读文本 
*/ 
function getTagText(el) { 
    if (!el) return ''
 
    var tagName = el.tagName.toLowerCase(); 
 
    // 处理input等多属性元素 
    switch (tagName) { 
        case 'input'
            tagName += '[' + el.type + ']'
            break; 
        default
            break; 
    } 
 
    // 标签的功能提醒和作用应该有间隔,因此在***加入一个空格 
    return (tagTextConfig[tagName] || '') + ' '

  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.
  • 9.
  • 10.
  • 11.
  • 12.
  • 13.
  • 14.
  • 15.
  • 16.
  • 17.
  • 18.
  • 19.
  • 20.
  • 21.
  • 22.

获取完整的朗读文本就更简单了,先取标签的功能提醒,再取标签的文本即可。

文本内容优先取 title 其次 alt *** innerText

/** 
* 获取完整朗读文本 
* @param {HTMLElement} el 要处理的HTMLElement 
* @returns {String}   朗读文本 
*/ 
function getText(el) { 
    if (!el) return ''
 
    return getTagText(el) + (el.title || el.alt || el.innerText || ''); 

  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.
  • 9.
  • 10.

这样就可以获取到一个标签的功能提醒和内容的全部带朗读文本了。

正文分隔

接下来要处理的就是正文分隔了,在这个过程中,踩了不少坑,走了不少弯路,好好记录一下。

首先准备了正文分隔的配置:

// 正文拆分配置 
var splitConfig = { 
    // 内容分段标签名称 
    unitTag: 'p'
    // 正文中分隔正则表达式 
    splitReg: /[,;,;。]/g, 
    // 包裹标签名 
    wrapTag: 'label'
    // 包裹标签类名 
    wrapCls: 'speak-lable'
    // 高亮样式名和样式 
    hightlightCls: 'speak-help-hightlight'
    hightStyle: 'background: #000!important; color: #fff!important' 
}; 
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.
  • 9.
  • 10.
  • 11.
  • 12.
  • 13.
  • 14.

最开始想的就是直接按照正文中的分隔标点符号进行分隔就好了呀。

想法如下:

  1. 获取段落全部文本

  2. 使用 split(分隔正则表达式) 方法将正文按照标点符号分隔成小段

  3. 每个小段用标签包裹放回去即可

然而理想很丰满,现实很骨感。

两个大坑如下:

  1. split 方法进行分隔,分隔后分隔字符就丢了,也就是说把原文的一些标点符号给弄丢了。

  2. 如果段落内还存在其他标签,而这个标签内部也正好存在待分隔的标点符号,那包裹分段标签时直接破换了原标签的完整性。

关于***个问题,丢失标点的符号,考虑过逐个标点来进行和替换 split 分隔方法为逐个字符循环来做。

前者问题是原本一次完成的工作分成了多次,效率太低。第二种感觉效率更低了,分隔本来是很稀疏的,但是却要变成逐个字符出判断处理,更关键的是,分隔标点的位置要插入包裹标签,会导致字符串长度变化,还要处理下标索引。代码是机器跑的,或许不会觉得烦,但是我真的觉得好烦。如果这么干,或许以后哪个AI或者同事看到这样的代码,说不定会说“这真是个傻xxxx”。

第二个问题想过很多办法来补救,如先使用正则匹配捕获内容中成对的标签,对标签内部的分隔先处理一遍,然后再处理整个的。

想不明白问题二的,可参考一下待分隔的段落:

<p>这是一段测试文本,这里有个链接。<a>您好,可以点击此处进行跳转</a>还有其他内容其他内容容其他内容容其他内容,容其他内容。</p>

如先使用/<((\w+?)>)(.+?)<\/\2(?=>)/g 正则,依次捕获段落内被标签包裹的内容,对标签内部的内容先处理。

但是问题又来了,这么处理的都是字符串,在js中都是基本类型,这些操作进行的时候都是在复制的基础上进行的,要修改到原字符串里去,还得记录下原本的开始结束位置,再将新的插进去。繁,还是繁,但是已经比之前逐个字符去遍历的好,正则捕获中本来就有了匹配的索引,直接用即可,还能接受。

但是这只是处理了段落内部标签的问题,段落内肯定还有很多文本是没有处理呢,怎么办?

正则匹配到了只是段落内标签的结果啊,外面的没有啊。哦,对,有匹配到的索引,上次匹配到的位置加上上次处理的长度,就是一段直接文本的开始。下一次匹配到的索引-1就是这段直接文本的结束。这只是匹配过程中的,还有首尾要单独处理。又回到烦的老路上去了。。。

这么烦,一个段落分隔能这么繁琐,我不信!

突然想到了,有文本节点这么个东西,删繁就简嘛,正则先到边上去,直接处理段落的所有节点不就行了。

文本节点则分隔直接包裹,标签节点则对内容进行包裹,这种情况下处理的直接是dom,更省事。

文本节点里放标签?这是在开玩笑么,是也不是。文本节点里确实只能放文本,但是我把标签直接放进去,它会自动转义,那***再替换出来不就行了。

好了,方案终于有了,而且这个方案逻辑多简单,代码逻辑自然也不会烦。

 

/** 
* 正文内容分段处理 
* @param {jQueryObject/HTMLElement/String}  $content 要处理的正文jQ对象或HTMLElement或其对应选择器 
*/ 
function splitConent($content) { 
    $content = $($content); 
 
    $content.find(splitConfig.unitTag).each(function (index, item) { 
        var $item = $(item), 
            text = $.trim($item.text()); 
        if (!text) return
 
        var nodes = $item[0].childNodes; 
 
        $.each(nodes, function (i, node) { 
            switch (node.nodeType) { 
                case 3: 
                    // text 节点 
                    // 由于是文本节点,标签被转义了,后续再转回来 
                    node.data = '<' + splitConfig.wrapTag + '>' + 
                        node.data.replace(splitConfig.splitReg, '</' + splitConfig.wrapTag + '>$&<' + splitConfig.wrapTag + '>') + 
                        '</' + splitConfig.wrapTag + '>'
                    break; 
                case 1: 
                    // 元素节点 
                    var innerHtml = node.innerHTML, 
                        start = ''
                        end = ''
                    // 如果内部还有直接标签,先去掉 
                    var startResult = /^<\w+?>/.exec(innerHtml); 
                    if (startResult) { 
                        start = startResult[0]; 
                        innerHtml = innerHtml.substr(start.length); 
                    } 
                    var endResult = /<\/\w+?>$/.exec(innerHtml); 
                    if (endResult) { 
                        end = endResult[0]; 
                        innerHtml = innerHtml.substring(0, endResult.index); 
                    } 
                    // 更新内部内容 
                    node.innerHTML = start + 
                        '<' + splitConfig.wrapTag + '>' + 
                        innerHtml.replace(splitConfig.splitReg, '</' + splitConfig.wrapTag + '>$&<' + splitConfig.wrapTag + '>') + 
                        '</' + splitConfig.wrapTag + '>' + 
                        end
                    break; 
                default
                    break; 
            } 
        }); 
 
        // 处理文本节点中被转义的html标签 
        $item[0].innerHTML = $item[0].innerHTML 
            .replace(new RegExp('&lt;' + splitConfig.wrapTag + '&gt;''g'), '<' + splitConfig.wrapTag + '>'
            .replace(new RegExp('&lt;/' + splitConfig.wrapTag + '&gt;''g'), '</' + splitConfig.wrapTag + '>'); 
        $item.find(splitConfig.wrapTag).addClass(splitConfig.wrapCls); 
    }); 

  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.
  • 9.
  • 10.
  • 11.
  • 12.
  • 13.
  • 14.
  • 15.
  • 16.
  • 17.
  • 18.
  • 19.
  • 20.
  • 21.
  • 22.
  • 23.
  • 24.
  • 25.
  • 26.
  • 27.
  • 28.
  • 29.
  • 30.
  • 31.
  • 32.
  • 33.
  • 34.
  • 35.
  • 36.
  • 37.
  • 38.
  • 39.
  • 40.
  • 41.
  • 42.
  • 43.
  • 44.
  • 45.
  • 46.
  • 47.
  • 48.
  • 49.
  • 50.
  • 51.
  • 52.
  • 53.
  • 54.
  • 55.
  • 56.
  • 57.
  • 58.

上面代码中***对文本节点中被转义的包裹标签替换似乎有点麻烦,但是没办法,ES5之前JavaScript并不支持正则的后行断言(也就是正则表达式中“后顾”)。所以没办法对包裹标签前后的 &lt;&gt; 进行精准替换,只能连同标签名一起替换。

事件处理

在上面完成了文本获取和段落分隔,下面要做的就是鼠标移动上去时获取文本触发朗读即可,移开时停止朗读即可。

鼠标移动,只读一次,基于这两点原因,使用 mouseentermouseleave 事件来完成。

原因:

  1. 不冒泡,不会触发父元素的再次朗读

  2. 不重复触发,一个元素内移动时不会重复触发。

/** 
* 在页面上写入高亮样式 
*/ 
function createStyle() { 
    if (document.getElementById('speak-light-style')) return
 
    var style = document.createElement('style'); 
    style.id = 'speak-light-style'
    style.innerText = '.' + splitConfig.hightlightCls + '{' + splitConfig.hightStyle + '}'
    document.getElementsByTagName('head')[0].appendChild(style); 

// 非正文需要朗读的标签 逗号分隔 
var speakTags = 'a, p, span, h1, h2, h3, h4, h5, h6, img, input, button'
 
$(document).on('mouseenter.speak-help', speakTags, function (e) { 
    var $target = $(e.target); 
 
    // 排除段落内的 
    if ($target.parents('.' + splitConfig.wrapCls).length || $target.find('.' + splitConfig.wrapCls).length) { 
        return
    } 
 
    // 图片样式单独处理 其他样式统一处理 
    if (e.target.nodeName.toLowerCase() === 'img') { 
        $target.css({ 
            border: '2px solid #000' 
        }); 
    } else { 
        $target.addClass(splitConfig.hightlightCls); 
    } 
 
    // 开始朗读 
    speakText(getText(e.target)); 
 
}).on('mouseleave.speak-help', speakTags, function (e) { 
    var $target = $(e.target); 
    if ($target.find('.' + splitConfig.wrapCls).length) { 
        return
    } 
 
    // 图片样式 
    if (e.target.nodeName.toLowerCase() === 'img') { 
        $target.css({ 
            border: 'none' 
        }); 
    } else { 
        $target.removeClass(splitConfig.hightlightCls); 
    } 
 
    // 停止语音 
    stopSpeak(); 
}); 
 
// 段落内文本朗读 
$(document).on('mouseenter.speak-help''.' + splitConfig.wrapCls, function (e) { 
    $(this).addClass(splitConfig.hightlightCls); 
 
    // 开始朗读 
    speakText(getText(this)); 
}).on('mouseleave.speak-help''.' + splitConfig.wrapCls, function (e) { 
    $(this).removeClass(splitConfig.hightlightCls); 
 
    // 停止语音 
    stopSpeak(); 
}); 
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.
  • 9.
  • 10.
  • 11.
  • 12.
  • 13.
  • 14.
  • 15.
  • 16.
  • 17.
  • 18.
  • 19.
  • 20.
  • 21.
  • 22.
  • 23.
  • 24.
  • 25.
  • 26.
  • 27.
  • 28.
  • 29.
  • 30.
  • 31.
  • 32.
  • 33.
  • 34.
  • 35.
  • 36.
  • 37.
  • 38.
  • 39.
  • 40.
  • 41.
  • 42.
  • 43.
  • 44.
  • 45.
  • 46.
  • 47.
  • 48.
  • 49.
  • 50.
  • 51.
  • 52.
  • 53.
  • 54.
  • 55.
  • 56.
  • 57.
  • 58.
  • 59.
  • 60.
  • 61.
  • 62.
  • 63.
  • 64.
  • 65.

注意要把针对段落的语音处理和其他地方的分开。为什么? 因为段落是个块级元素,鼠标移入段落中的空白时,如:段落前后空白、首行缩进、末行剩余空白等,是不应该触发朗读的,如果不阻止掉,进行这些区域将直接触发整段文字的朗读,失去了我们对段落文本内分隔的意义,而且,无论什么方式转化语音都是要时间的,大段内容可能需要较长时间,影响语音输出的体验。

文本合成语音

上面我们是直接使用了 speakText(text)stopSpeak() 两个方法来触发语音的朗读和停止。

我们来看下如何实现这个两个功能。

其实现代浏览器默认已经提供了上面功能:

var speechSU = new window.SpeechSynthesisUtterance(); 
speechSU.text = '你好,世界!'
window.speechSynthesis.speak(speechSU); 
  • 1.
  • 2.
  • 3.

复制到浏览器控制台看看能不能听到声音呢?(需要Chrome 33+、Firefox 49+ 或 IE-Edge)

利用一下两个API即可:

  • SpeechSynthesisUtterance 用于语音合成

    • lang : 语言 Gets and sets the language of the utterance.

    • pitch : 音高 Gets and sets the pitch at which the utterance will be spoken at.

    • rate : 语速 Gets and sets the speed at which the utterance will be spoken at.

    • text : 文本 Gets and sets the text that will be synthesised when the utterance is spoken.

    • voice : 声音 Gets and sets the voice that will be used to speak the utterance.

    • volume : 音量 Gets and sets the volume that the utterance will be spoken at.

    • onboundary : 单词或句子边界触发,即分隔处触发 Fired when the spoken utterance reaches a word or sentence boundary.

    • onend : 结束时触发 Fired when the utterance has finished being spoken.

    • onerror : 错误时触发 Fired when an error occurs that prevents the utterance from being succesfully spoken.

    • onmark : Fired when the spoken utterance reaches a named SSML "mark" tag.

    • onpause : 暂停时触发 Fired when the utterance is paused part way through.

    • onresume : 重新播放时触发 Fired when a paused utterance is resumed.

    • onstart : 开始时触发 Fired when the utterance has begun to be spoken.

  • SpeechSynthesis : 用于朗读

    • paused : Read only 是否暂停 A Boolean that returns true if the SpeechSynthesis object is in a paused state.

    • pending : Read only 是否处理中 A Boolean that returns true if the utterance queue contains as-yet-unspoken utterances.

    • speaking : Read only 是否朗读中 A Boolean that returns true if an utterance is currently in the process of being spoken — even if SpeechSynthesis is in a paused state.

    • onvoiceschanged : 声音变化时触发

    • cancel() : 情况待朗读队列 Removes all utterances from the utterance queue.

    • getVoices() : 获取浏览器支持的语音包列表 Returns a list of SpeechSynthesisVoice objects representing all the available voices on the current device.

    • pause() : 暂停 Puts the SpeechSynthesis object into a paused state.

    • resume() : 重新开始 Puts the SpeechSynthesis object into a non-paused state: resumes it if it was already paused.

    • speak() : 读合成的语音,参数必须为SpeechSynthesisUtterance的实例 Adds an utterance to the utterance queue; it will be spoken when any other utterances queued before it have been spoken.

详细api和说明可参考:

那么上面的两个方法可以写为:

 

var speaker = new window.SpeechSynthesisUtterance(); 
var speakTimer, 
    stopTimer; 
 
// 开始朗读 
function speakText(text) { 
    clearTimeout(speakTimer); 
    window.speechSynthesis.cancel(); 
    speakTimer = setTimeout(function () { 
        speaker.text = text; 
        window.speechSynthesis.speak(speaker); 
    }, 200); 

 
// 停止朗读 
function stopSpeak() { 
    clearTimeout(stopTimer); 
    clearTimeout(speakTimer); 
    stopTimer = setTimeout(function () { 
        window.speechSynthesis.cancel(); 
    }, 20); 

  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.
  • 9.
  • 10.
  • 11.
  • 12.
  • 13.
  • 14.
  • 15.
  • 16.
  • 17.
  • 18.
  • 19.
  • 20.
  • 21.
  • 22.

因为语音合成本来是个异步的操作,因此在过程中进行以上处理。

现代浏览器已经内置了这个功能,两个API接口兼容性如下:

Feature

Chrome

Edge

Firefox (Gecko)

Internet Explorer

Opera

Safari

(WebKit) Basic

support 33

(Yes)

49 (49)

No support

?

7

如果要兼容其他浏览器或者需要一种***兼容的解决方案,可能就需要服务端完成了,根据给定文本,返回相应语音即可,百度语音 http://yuyin.baidu.com/docs就提供这样的服务。

责任编辑:庞桂玉 来源: segmentfault
相关推荐

2012-03-07 14:37:03

JavaJavaMail

2012-11-05 10:36:40

IBMdw

2021-11-02 10:10:49

鸿蒙HarmonyOS应用

2023-04-26 09:37:25

智驾开发

2024-08-08 08:31:32

SpringNeo4j优化

2024-08-05 09:51:00

2023-02-28 15:49:09

鸿蒙应用开发

2022-08-09 16:01:24

应用开发鸿蒙

2024-07-26 10:50:51

SpringScrew数据库

2010-02-05 18:09:28

C++ Doxygen

2022-12-01 17:46:53

网页变灰功能前端

2012-02-08 17:01:36

2012-03-08 21:51:45

Siri

2016-08-11 08:24:39

AndroidIntentShareTestDe

2010-01-27 18:06:03

Android短信发送

2010-06-10 17:47:48

Zabbix中文

2010-08-30 14:03:59

CSS

2021-12-09 11:58:35

Edge操作系统微软

2020-12-30 09:35:20

EuiAdmin后端vue框架

2011-07-06 16:00:28

ASP
点赞
收藏

51CTO技术栈公众号