用Python給自己DIY一款小說閱讀器，你要不看看？

 

來源公眾號：Python爬蟲實踐之路

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，但是隻有前200張是免費的，後面就要收費。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，還不知道要到什麼時候去。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衝動，就很糾結了。在網上找了一圈，沒有其他的音訊。而且以前用的那些有閱讀功能的軟體，比如微信閱讀、追書神器也都開始收費了。那怎麼辦呢？這能難倒一個程式員嗎？必須滴、堅決滴不能。我用的可是世界上最好的程式語言-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。

語音合成選擇

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體有很多，其中訊飛和百度是比較好的兩種，我們這裡就使用百度語音合成API來實現。

建立語音合成應用

首先註冊百度賬號，然後登入到百度AI開放平臺
)，建立一個應用

建立應用

填寫應用名和描述資訊提交

記住AppID、API Key、Secret Key，在使用API的時候會用到，檢視一下技術檔案
)，使用pip install baidu-aip安裝完API，檔案內有詳細的示例程式碼，很容易就上手了。裡面有各種引數解釋，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，下麵就是獲取小說內容了。

獲取小說內容

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

所有章節資訊都在dd元素下，而且連結也是很有規律的，直接用xpath獲取所有章節串列資訊。

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(.)")

這裡有一點要註意的，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字，非常好用。

合成儲存

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.essay-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)

這裡是生成了mp3檔案，按行生成以後，再使用合成軟體合成後，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，然後才能使用播放器聽，這樣不是很方便。如果可以邊生成邊播放是不是更好呢？

播放合成語音

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()

這裡使用BytesIO將語音合成的二進位制檔案儲存在記憶體中，就不需要再儲存成本地mp3了，有一個需要註意的地方pygame_mixer.init(frequency=frequency)，這個frequency引數是音訊頻率，如果不設定的話預設是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，後來我才發現需要設定這個引數，那麼這個引數從哪裡來呢？檢視之前生成的mp3檔案屬性

然後將頻率設定為16000就可以了。

最終處理

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。

1. 合成一句播放一句，這樣會有停頓，所以要使用並行處理。
2. 每次合成如果不進行儲存，下一次就必須要重新合成。所以我們使用資料庫儲存合成的語音。
3. 獲取章節內容、合成語音、播放內容需要獨立處理。
   最終程式碼已經上傳到我的GitHub上，請關註我的公眾號，傳送：小說 獲取

後期規劃

後期可以增加前端頁面，透過前端增加爬取小說資訊，顯示合成進度、播放進度、選擇章節播放等功能。
分享