摘要：網(wǎng)頁中文本朗讀功能開發(fā)實現(xiàn)分享文本首發(fā)我的博客前幾天完成了一個需求，在網(wǎng)頁中完成鼠標指向哪里，就用語音讀出所指的文本。獲取完整朗讀文本要處理的朗讀文本這樣就可以獲取到一個標簽的功能提醒和內(nèi)容的全部帶朗讀文本了。

文本首發(fā)我的博客 - https://blog.cdswyda.com/post/2017120914

前幾天完成了一個需求，在網(wǎng)頁中完成鼠標指向哪里，就用語音讀出所指的文本。如果是按鈕、鏈接、文本輸入框，則還還要給出是什么的提醒。同時針對大段的文本，不能整段的去讀，要按照標點符號進行斷句處理。

重點當然就是先獲取到當前標簽上的文本，再把文本轉(zhuǎn)化成語音即可。

這個很簡單了，只用根據(jù)當前是什么標簽，給出提示即可。

// 標簽朗讀文本
var tagTextConfig = {
    "a": "鏈接",
    "input[text]": "文本輸入框",
    "input[password]": "密碼輸入框",
    "button": "按鈕",
    "img": "圖片"
};

還有需要朗讀的標簽，繼續(xù)再添加即可。

然后根據(jù)標簽，返回前綴文本即可。

/**
 * 獲取標簽朗讀文本
 * @param {HTMLElement} el 要處理的HTMLElement
 * @returns {String}   朗讀文本
 */
function getTagText(el) {
    if (!el) return "";

    var tagName = el.tagName.toLowerCase();

    // 處理input等多屬性元素
    switch (tagName) {
        case "input":
            tagName += "[" + el.type + "]";
            break;
        default:
            break;
    }

    // 標簽的功能提醒和作用應(yīng)該有間隔，因此在最后加入一個空格
    return (tagTextConfig[tagName] || "") + " ";
}

獲取完整的朗讀文本就更簡單了，先取標簽的功能提醒，再取標簽的文本即可。

文本內(nèi)容優(yōu)先取 title 其次 alt 最后 innerText。

/**
 * 獲取完整朗讀文本
 * @param {HTMLElement} el 要處理的HTMLElement
 * @returns {String}   朗讀文本
 */
function getText(el) {
    if (!el) return "";

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

這樣就可以獲取到一個標簽的功能提醒和內(nèi)容的全部帶朗讀文本了。

接下來要處理的就是正文分隔了，在這個過程中，踩了不少坑，走了不少彎路，好好記錄一下。

首先準備了正文分隔的配置：

// 正文拆分配置
var splitConfig = {
    // 內(nèi)容分段標簽名稱
    unitTag: "p",
    // 正文中分隔正則表達式
    splitReg: /[,;，；。]/g,
    // 包裹標簽名
    wrapTag: "label",
    // 包裹標簽類名
    wrapCls: "speak-lable",
    // 高亮樣式名和樣式
    hightlightCls: "speak-help-hightlight",
    hightStyle: "background: #000!important; color: #fff!important"
};

最開始想的就是直接按照正文中的分隔標點符號進行分隔就好了呀。

想法如下：

獲取段落全部文本

使用 split(分隔正則表達式) 方法將正文按照標點符號分隔成小段

每個小段用標簽包裹放回去即可

然而理想很豐滿，現(xiàn)實很骨感。

兩個大坑如下：

split 方法進行分隔，分隔后分隔字符就丟了，也就是說把原文的一些標點符號給弄丟了。

如果段落內(nèi)還存在其他標簽，而這個標簽內(nèi)部也正好存在待分隔的標點符號，那包裹分段標簽時直接破換了原標簽的完整性。

關(guān)于第一個問題，丟失標點的符號，考慮過逐個標點來進行和替換 split 分隔方法為逐個字符循環(huán)來做。

前者問題是原本一次完成的工作分成了多次，效率太低。第二種感覺效率更低了，分隔本來是很稀疏的，但是卻要變成逐個字符出判斷處理，更關(guān)鍵的是，分隔標點的位置要插入包裹標簽，會導(dǎo)致字符串長度變化，還要處理下標索引。代碼是機器跑的，或許不會覺得煩，但是我真的覺得好煩。如果這么干，或許以后哪個AI或者同事看到這樣的代碼，說不定會說“這真是個傻xxxx”。

第二個問題想過很多辦法來補救，如先使用正則匹配捕獲內(nèi)容中成對的標簽，對標簽內(nèi)部的分隔先處理一遍，然后再處理整個的。

想不明白問題二的，可參考一下待分隔的段落:

這是一段測試文本，這里有個鏈接。您好，可以點擊此處進行跳轉(zhuǎn)還有其他內(nèi)容其他內(nèi)容容其他內(nèi)容容其他內(nèi)容，容其他內(nèi)容。

如先使用/<((w+?)>)(.+?))/g 正則，依次捕獲段落內(nèi)被標簽包裹的內(nèi)容，對標簽內(nèi)部的內(nèi)容先處理。

但是問題又來了，這么處理的都是字符串，在js中都是基本類型，這些操作進行的時候都是在復(fù)制的基礎(chǔ)上進行的，要修改到原字符串里去，還得記錄下原本的開始結(jié)束位置，再將新的插進去。繁，還是繁，但是已經(jīng)比之前逐個字符去遍歷的好，正則捕獲中本來就有了匹配的索引，直接用即可，還能接受。

但是這只是處理了段落內(nèi)部標簽的問題，段落內(nèi)肯定還有很多文本是沒有處理呢，怎么辦？

正則匹配到了只是段落內(nèi)標簽的結(jié)果啊，外面的沒有啊。哦，對，有匹配到的索引，上次匹配到的位置加上上次處理的長度，就是一段直接文本的開始。下一次匹配到的索引-1就是這段直接文本的結(jié)束。這只是匹配過程中的，還有首尾要多帶帶處理。又回到煩的老路上去了。。。

這么煩，一個段落分隔能這么繁瑣，我不信！

突然想到了，有文本節(jié)點這么個東西，刪繁就簡嘛，正則先到邊上去，直接處理段落的所有節(jié)點不就行了。

文本節(jié)點則分隔直接包裹，標簽節(jié)點則對內(nèi)容進行包裹，這種情況下處理的直接是dom，更省事。

文本節(jié)點里放標簽？這是在開玩笑么，是也不是。文本節(jié)點里確實只能放文本，但是我把標簽直接放進去，它會自動轉(zhuǎn)義，那最后再替換出來不就行了。

好了，方案終于有了，而且這個方案邏輯多簡單，代碼邏輯自然也不會煩。

/**
 * 正文內(nèi)容分段處理
 * @param {jQueryObject/HTMLElement/String}  $content 要處理的正文jQ對象或HTMLElement或其對應(yīng)選擇器
 */
function splitConent($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;

        $.each(nodes, function (i, node) {
            switch (node.nodeType) {
                case 3:
                    // text 節(jié)點
                    // 由于是文本節(jié)點，標簽被轉(zhuǎn)義了，后續(xù)再轉(zhuǎn)回來
                    node.data = "<" + splitConfig.wrapTag + ">" +
                        node.data.replace(splitConfig.splitReg, "$&<" + splitConfig.wrapTag + ">") +
                        "";
                    break;
                case 1:
                    // 元素節(jié)點
                    var innerHtml = node.innerHTML,
                        start = "",
                        end = "";
                    // 如果內(nèi)部還有直接標簽，先去掉
                    var startResult = /^/.exec(innerHtml);
                    if (startResult) {
                        start = startResult[0];
                        innerHtml = innerHtml.substr(start.length);
                    }
                    var endResult = /$/.exec(innerHtml);
                    if (endResult) {
                        end = endResult[0];
                        innerHtml = innerHtml.substring(0, endResult.index);
                    }
                    // 更新內(nèi)部內(nèi)容
                    node.innerHTML = start +
                        "<" + splitConfig.wrapTag + ">" +
                        innerHtml.replace(splitConfig.splitReg, "$&<" + splitConfig.wrapTag + ">") +
                        "" +
                        end;
                    break;
                default:
                    break;
            }
        });

        // 處理文本節(jié)點中被轉(zhuǎn)義的html標簽
        $item[0].innerHTML = $item[0].innerHTML
            .replace(new RegExp("<" + splitConfig.wrapTag + ">", "g"), "<" + splitConfig.wrapTag + ">")
            .replace(new RegExp("", "g"), "");
        $item.find(splitConfig.wrapTag).addClass(splitConfig.wrapCls);
    });
}

上面代碼中最后對文本節(jié)點中被轉(zhuǎn)義的包裹標簽替換似乎有點麻煩，但是沒辦法，ES5之前JavaScript并不支持正則的后行斷言（也就是正則表達式中“后顧”）。所以沒辦法對包裹標簽前后的 < 和 > 進行精準替換，只能連同標簽名一起替換。

在上面完成了文本獲取和段落分隔，下面要做的就是鼠標移動上去時獲取文本觸發(fā)朗讀即可，移開時停止朗讀即可。

鼠標移動，只讀一次，基于這兩點原因，使用 mouseenter 和 mouseleave 事件來完成。

原因：

不冒泡，不會觸發(fā)父元素的再次朗讀

不重復(fù)觸發(fā)，一個元素內(nèi)移動時不會重復(fù)觸發(fā)。

/**
 * 在頁面上寫入高亮樣式
 */
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);
}
// 非正文需要朗讀的標簽 逗號分隔
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);

    // 排除段落內(nèi)的
    if ($target.parents("." + splitConfig.wrapCls).length || $target.find("." + splitConfig.wrapCls).length) {
        return;
    }

    // 圖片樣式多帶帶處理 其他樣式統(tǒng)一處理
    if (e.target.nodeName.toLowerCase() === "img") {
        $target.css({
            border: "2px solid #000"
        });
    } else {
        $target.addClass(splitConfig.hightlightCls);
    }

    // 開始朗讀
    speakText(getText(e.target));

}).on("mouseleave.speak-help", speakTags, function (e) {
    var $target = $(e.target);
    if ($target.find("." + splitConfig.wrapCls).length) {
        return;
    }

    // 圖片樣式
    if (e.target.nodeName.toLowerCase() === "img") {
        $target.css({
            border: "none"
        });
    } else {
        $target.removeClass(splitConfig.hightlightCls);
    }

    // 停止語音
    stopSpeak();
});

// 段落內(nèi)文本朗讀
$(document).on("mouseenter.speak-help", "." + splitConfig.wrapCls, function (e) {
    $(this).addClass(splitConfig.hightlightCls);

    // 開始朗讀
    speakText(getText(this));
}).on("mouseleave.speak-help", "." + splitConfig.wrapCls, function (e) {
    $(this).removeClass(splitConfig.hightlightCls);

    // 停止語音
    stopSpeak();
});

注意要把針對段落的語音處理和其他地方的分開。為什么？ 因為段落是個塊級元素，鼠標移入段落中的空白時，如：段落前后空白、首行縮進、末行剩余空白等，是不應(yīng)該觸發(fā)朗讀的，如果不阻止掉，進行這些區(qū)域?qū)⒅苯佑|發(fā)整段文字的朗讀，失去了我們對段落文本內(nèi)分隔的意義，而且，無論什么方式轉(zhuǎn)化語音都是要時間的，大段內(nèi)容可能需要較長時間，影響語音輸出的體驗。

上面我們是直接使用了 speakText(text) 和 stopSpeak() 兩個方法來觸發(fā)語音的朗讀和停止。

我們來看下如何實現(xiàn)這個兩個功能。

其實現(xiàn)代瀏覽器默認已經(jīng)提供了上面功能：

var speechSU = new window.SpeechSynthesisUtterance();
speechSU.text = "你好，世界！";
window.speechSynthesis.speak(speechSU);

復(fù)制到瀏覽器控制臺看看能不能聽到聲音呢？(需要Chrome 33+、Firefox 49+ 或 IE-Edge)

利用一下兩個API即可：

SpeechSynthesisUtterance 用于語音合成

lang : 語言 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 : 語速 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 : 聲音 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 : 單詞或句子邊界觸發(fā)，即分隔處觸發(fā) Fired when the spoken utterance reaches a word or sentence boundary.

onend : 結(jié)束時觸發(fā) Fired when the utterance has finished being spoken.

onerror : 錯誤時觸發(fā) 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 : 暫停時觸發(fā) Fired when the utterance is paused part way through.

onresume : 重新播放時觸發(fā) Fired when a paused utterance is resumed.

onstart : 開始時觸發(fā) Fired when the utterance has begun to be spoken.

SpeechSynthesis : 用于朗讀

paused : Read only 是否暫停 A Boolean that returns true if the SpeechSynthesis object is in a paused state.

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

speaking : Read only 是否朗讀中 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 : 聲音變化時觸發(fā)

cancel() : 情況待朗讀隊列 Removes all utterances from the utterance queue.

getVoices() : 獲取瀏覽器支持的語音包列表 Returns a list of SpeechSynthesisVoice objects representing all the available voices on the current device.

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

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

speak() : 讀合成的語音，參數(shù)必須為SpeechSynthesisUtterance的實例 Adds an utterance to the utterance queue; it will be spoken when any other utterances queued before it have been spoken.

詳細api和說明可參考:

MDN - SpeechSynthesisUtterance

MDN - SpeechSynthesis

那么上面的兩個方法可以寫為：

var speaker = new window.SpeechSynthesisUtterance();
var speakTimer,
    stopTimer;

// 開始朗讀
function speakText(text) {
    clearTimeout(speakTimer);
    window.speechSynthesis.cancel();
    speakTimer = setTimeout(function () {
        speaker.text = text;
        window.speechSynthesis.speak(speaker);
    }, 200);
}

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

因為語音合成本來是個異步的操作，因此在過程中進行以上處理。

現(xiàn)代瀏覽器已經(jīng)內(nèi)置了這個功能，兩個API接口兼容性如下：

如果要兼容其他瀏覽器或者需要一種完美兼容的解決方案，可能就需要服務(wù)端完成了，根據(jù)給定文本，返回相應(yīng)語音即可，百度語音 http://yuyin.baidu.com/docs就提供這樣的服務(wù)。

cdswyda - 網(wǎng)頁文本朗讀實現(xiàn) - github

cdswyda - 網(wǎng)頁文本朗讀實現(xiàn) - demo