[[212817]]

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

標簽朗讀

這個很簡單了，只用根據(jù)當(dāng)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***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 *** 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。

正文分隔

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：

1. 獲取段落全部文本

2. 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

3. 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：

1. 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。

2. 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***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:

<p>這是一段測試文本，這里有個鏈接。<a>您好，可以點擊此處進行跳轉(zhuǎn)</a>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。</p>

如先使用/<((\w+?)>)(.+?)<\/\2(?=>)/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，還有首尾要單獨處理。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***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; 
 
        $.each(nodes, function (i, node) { 
            switch (node.nodeType) { 
                case 3: 
                    // text 節(jié)點 
                    // 由于是文本節(jié)點，標簽被轉(zhuǎn)義了，后續(xù)再轉(zhuǎn)回來 
                    node.data = '<' + splitConfig.wrapTag + '>' + 
                        node.data.replace(splitConfig.splitReg, '</' + splitConfig.wrapTag + '>$&<' + splitConfig.wrapTag + '>') + 
                        '</' + 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 = /^<\w+?>/.exec(innerHtml); 
                    if (startResult) { 
                        start = startResult[0]; 
                        innerHtml = innerHtml.substr(start.length); 
                    } 
                    var endResult = /<\/\w+?>$/.exec(innerHtml); 
                    if (endResult) { 
                        end = endResult[0]; 
                        innerHtml = innerHtml.substring(0, endResult.index); 
                    } 
                    // 更新內(nèi)部內(nèi)容 
                    node.innerHTML = start + 
                        '<' + splitConfig.wrapTag + '>' + 
                        innerHtml.replace(splitConfig.splitReg, '</' + splitConfig.wrapTag + '>$&<' + splitConfig.wrapTag + '>') + 
                        '</' + 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('&lt;' + splitConfig.wrapTag + '&gt;', 'g'), '<' + splitConfig.wrapTag + '>') 
            .replace(new RegExp('&lt;/' + splitConfig.wrapTag + '&gt;', 'g'), '</' + splitConfig.wrapTag + '>'); 
        $item.find(splitConfig.wrapTag).addClass(splitConfig.wrapCls); 
    }); 
} 

上面代碼中***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。

事件處理

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：

1. 不冒泡，不會觸發(fā)父元素的再次朗讀

2. 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; 
    } 
 
    // 圖片樣式單獨處理 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。

文本合成語音

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***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