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。
標簽朗讀
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。
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：
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+?)>)(.+?)<\/\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 = /^<\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 + '>') +
'' +
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('</' + splitConfig.wrapTag + '>', '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。
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：
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：
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 就提供這樣的服務(wù)。
申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！
