网页中文本朗读功能开发实现

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'

};

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 el 要处理的HTMLElement

* @returns 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,因此在最后加入一个空格

return (tagTextConfig[tagName] || '') + ' ';

}

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

最后

innerText

/**

* 获取完整朗读文本

* @param el 要处理的HTMLElement

* @returns 朗读文本

*/

function getText(el) {

if (!el) return '';

return getTagText(el) + (el.title || el.alt || el.innerText || '');

}

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'

};

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:

获取段落全部文本

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

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:

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。

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。

关于第一个问题,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:

这是一段测试文本,这里有个链接。

您好,可以点击此处进行跳转

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。

如先使用

/)(.+?))/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,那最后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 $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 = '' +

'';

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 = /^/.exec(innerHtml);

if (startResult) {

start = startResult[0];

innerHtml = innerHtml.substr(start.length);

}

var endResult = /$/.exec(innerHtml);

if (endResult) {

end = endResult[0];

innerHtml = innerHtml.substring(0, endResult.index);

}

// 更新内部内容

node.innerHTML = start +

'' +

innerHtml.replace(splitConfig.splitReg, '$&') +

'' +

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('', 'g'), '')

.replace(new RegExp('', 'g'), '');

$item.find(splitConfig.wrapTag).addClass(splitConfig.wrapCls);

});

}

上面代码中最后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

>

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

mouseenter

mouseleave

事件来完成。

原因:

不冒泡,不会触发父元素的再次朗读

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();

});

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);

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:

MDN - SpeechSynthesisUtterance

MDN - SpeechSynthesis

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);

}

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:

cdswyda - 网页文本朗读实现 - github(https://github.com/cdswyda/show/tree/master/demo/speaker)

cdswyda - 网页文本朗读实现 - demo(https://cdswyda.github.io/show/demo/speaker/)

更多相关资讯可以关注西安华美校区,免费获得java零基础教程!额外附送excel教程

  • 发表于:
  • 原文链接http://kuaibao.qq.com/s/20171217A0B51K00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。

同媒体快讯

扫码关注云+社区

领取腾讯云代金券