前一段時間書荒的時候，在喜馬拉雅APP發現一個主播播講的小說-大王饒命。聽起來感覺很好笑，挺有意思的，但是只有前200張是免費的，后面就要收費。一章兩毛錢，本來是想要買一下，發現說的進度比較慢而且整本書要1300多張，算了一下，需要200大洋才行，而且等他說完，還不知道要到什么時候去。所以就找文字版的來讀，文字版又有它的缺點，你必須手眼聯動才行。如果要忙別的事情，但是又抑制不住想看的沖動，就很糾結了。在網上找了一圈，沒有其他的音頻。而且以前用的那些有閱讀功能的軟件，比如微信閱讀、追書神器也都開始收費了。那怎么辦呢？這能難倒一個程序員嗎？必須滴、堅決滴不能。我用的可是世界上最好的編程語言-Python
於是乎，自己動手豐衣足食，接下來就讓我們實現自己的小說閱讀器吧。
要想讀文字，就必須要用到語音合成。現在這種語音合成的軟件有很多，其中訊飛和百度是比較好的兩種，我們這里就使用百度語音合成API來實現。
首先注冊百度賬號，然后登錄到百度AI開放平台
)，創建一個應用
填寫應用名和描述信息提交
記住AppID、API Key、Secret Key，在使用API的時候會用到，查看一下技術文檔
)，使用pip install baidu-aip安裝完API，文檔內有詳細的示例代碼，很容易就上手了。里面有各種參數解釋，比如音量、語調、語速、發聲人等。現在語音合成已經有了，已經有了閱讀的前提，下面就是獲取小說內容了。
小說內容的獲取我們從筆趣閣網站上獲取，一方面免費，另一方面沒有反爬，找到網站首頁https://www.biquge.info/40_40289/，使用requests大法就可以了。簡單分析一下頁面
所有章節信息都在dd元素下，而且鏈接也是很有規律的，直接用xpath獲取所有章節列表信息。
def get_chapters(self): url = "https://www.biquge.info/40_40289/" r = self.session.get(url) r.encoding = chardet.detect(r.content).get("encoding", "utf-8") html = etree.HTML(r.text) for item in html.xpath("//dl/dd/a"): yield item.attrib["title"], url + item.attrib["href"]
章節內容獲取也非常簡單，就不分析了
def get_content(self, url): r = self.session.get(url) r.encoding = chardet.detect(r.content).get("encoding", "utf-8") html = etree.HTML(r.text) title = html.xpath(r'//*[@class="bookname"]/h1')[0].text for info in html.xpath("//div[@id='content']"): text = info.xpath("string(.)")
這里有一點要注意的，獲取的章節內容中有html元素，xpath為我們提供了string(.)，提取多個子節點的文本，非常好用。這里多說一句，小編是一名python開發工程師，這里有我自己整理了一套最新的python系統學習教程，包括從基礎的python腳本到web開發、爬蟲、數據分析、數據可視化、機器學習等。想要這些資料的可以進裙609616831領取。
小說內容獲取成功了，與語音合成結合一下，小說閱讀器的雛形就有了。簡單實現如下：
import chardet
import requests
from lxml import etree
from aip import AipSpeech
class CollectNovels:
def __init__(self):
self.session = requests.session()
self.session.headers["user-agent"] = "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_5) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.169 Safari/537.36"
""" 你的 APPID AK SK """
APP_ID = '16416498'
API_KEY = 'oEWGafQkaUGqmsmPbfkE5OMx'
SECRET_KEY = '6jdsUcH0PXz5TYoELU47u58W5vPV9lwf'
self.client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
def get_chapters(self, url):
r = self.session.get(url)
r.encoding = chardet.detect(r.content).get("encoding", "utf-8")
html = etree.HTML(r.text)
for item in html.xpath("//dl/dd/a"):
yield item.attrib["title"], url + item.attrib["href"]
def get_content(self, url):
r = self.session.get(url)
r.encoding = chardet.detect(r.content).get("encoding", "utf-8")
html = etree.HTML(r.text)
for info in html.xpath("//div[@id='content']"):
text = info.xpath("string(.)")
for line in text.split("。"):
content = self.client.synthesis(line, 'zh', 1, {"per": 0})
with open("auido.mp3", "rb") as fp:
fp.write(content)
if __name__ == '__main__':
novel = CollectNovels()
home_url = "https://www.biquge.info/40_40289/"
for title, url in novel.get_chapters(home_url):
novel.get_content(url)
這里是生成了mp3文件，按行生成以后，再使用合成軟件合成后，我們就可以放在任意地方去聽了。但是這樣也有缺陷，必須提前生成，然后才能使用播放器聽，這樣不是很方便。如果可以邊生成邊播放是不是更好呢？
我們可以使用python的pygame庫，其他的好幾個庫都不太好用，有些已經年久失修了，所以就不用了。
import time import pygame from io import BytesIO pygame_mixer = pygame.mixer pygame_mixer.init(frequency=frequency) byte_obj = BytesIO() byte_obj.write(content) byte_obj.seek(0, 0) pygame_mixer.music.load(byte_obj) pygame_mixer.music.play() while pygame_mixer.music.get_busy(): time.sleep(0.1) pygame_mixer.stop()
這里使用BytesIO將語音合成的二進制文件存儲在內存中，就不需要再保存成本地mp3了，有一個需要注意的地方pygame_mixer.init(frequency=frequency)，這個frequency參數是音頻頻率，如果不設置的話默認是22050，播放出來的聲音和mp3播放相差太大了，一直以為是這個庫有問題，換了好幾個，有的是用不了，有的有問題，后來我才發現需要設置這個參數，那么這個參數從哪里來呢？查看之前生成的mp3文件屬性然后將頻率設置為16000就可以了。
要生成我們最終可以使用的閱讀器還有幾個問題需要處理。
-
合成一句播放一句，這樣會有停頓，所以要使用並行處理。
-
每次合成如果不進行存儲，下一次就必須要重新合成。所以我們使用數據庫存儲合成的語音。
-
獲取章節內容、合成語音、播放內容需要獨立處理。
- 后期可以增加前端頁面，通過前端增加爬取小說信息，顯示合成進度、播放進度、選擇章節播放等功能。如果大家在學習中遇到困難，想找一個python學習交流環境，可以加入我們的python圈，裙號609616831，可領取python學習資料，會節約很多時間，減少很多遇到的難題。