您现在的位置是：亿华云 > 数据库

网页中文本朗读功能开发实现分享

亿华云2025-10-03 06:45:43【数据库】9人已围观

简介前几天完成了一个需求，在网页中完成鼠标指向哪里，就用语音读出所指的文本。如果是按钮、链接、文本输入框，则还还要给出是什么的提醒。同时针对大段的文本，不能整段的去读，要按照标点符号进行断句处理。重点当然

前几天完成了一个需求，网页在网页中完成鼠标指向哪里，中文就用语音读出所指的本朗文本。如果是读功按钮、链接、发实文本输入框，现分享则还还要给出是网页什么的提醒。同时针对大段的中文文本，不能整段的本朗去读，要按照标点符号进行断句处理。读功

重点当然就是发实先获取到当前标签上的文本，再把文本转化成语音即可。现分享

标签朗读

这个很简单了，网页只用根据当前是中文什么标签，给出提示即可。本朗

// 标签朗读文本 var tagTextConfig = { a: 链接, input[text]: 文本输入框, input[password]: 密码输入框, button: 按钮, img: 图片 };

还有需要朗读的标签，继续再添加即可。

然后根据标签，返回前缀文本即可。

/** * 获取标签朗读文本 * @param { HTMLElement} el 要处理的HTMLElement * @returns { String} 朗读文本 */ function getTagText(el) { if (!el) return ; var tagName = el.tagName.toLowerCase(); // 处理input等多属性元素 switch (tagName) { case input: tagName += [ + el.type + ]; break; default: break; } // 标签的功能提醒和作用应该有间隔，因此在***加入一个空格 return (tagTextConfig[tagName] || ) + ; }

获取完整的朗读文本就更简单了，服务器租用先取标签的功能提醒，再取标签的文本即可。

文本内容优先取 title 其次 alt *** innerText。

/** * 获取完整朗读文本 * @param { HTMLElement} el 要处理的HTMLElement * @returns { String} 朗读文本 */ function getText(el) { if (!el) return ; return getTagText(el) + (el.title || el.alt || el.innerText || ); }

这样就可以获取到一个标签的功能提醒和内容的全部带朗读文本了。

正文分隔

接下来要处理的就是正文分隔了，在这个过程中，踩了不少坑，走了不少弯路，好好记录一下。

首先准备了正文分隔的配置：

// 正文拆分配置 var splitConfig = { // 内容分段标签名称 unitTag: p, // 正文中分隔正则表达式 splitReg: /[,;，；。]/g, // 包裹标签名 wrapTag: label, // 包裹标签类名 wrapCls: speak-lable, // 高亮样式名和样式 hightlightCls: speak-help-hightlight, hightStyle: background: #000!important; color: #fff!important };

最开始想的就是直接按照正文中的分隔标点符号进行分隔就好了呀。

想法如下：

获取段落全部文本

使用 split(分隔正则表达式) 方法将正文按照标点符号分隔成小段

每个小段用标签包裹放回去即可

然而理想很丰满，现实很骨感。

两个大坑如下：

split 方法进行分隔，分隔后分隔字符就丢了，也就是说把原文的一些标点符号给弄丢了。

如果段落内还存在其他标签，而这个标签内部也正好存在待分隔的标点符号，云服务器那包裹分段标签时直接破换了原标签的完整性。

关于***个问题，丢失标点的符号，考虑过逐个标点来进行和替换 split 分隔方法为逐个字符循环来做。

前者问题是原本一次完成的工作分成了多次，效率太低。第二种感觉效率更低了，分隔本来是很稀疏的，但是却要变成逐个字符出判断处理，更关键的是，分隔标点的位置要插入包裹标签，会导致字符串长度变化，还要处理下标索引。代码是机器跑的，或许不会觉得烦，但是我真的觉得好烦。如果这么干，或许以后哪个AI或者同事看到这样的代码，云服务器提供商说不定会说“这真是个傻xxxx”。

第二个问题想过很多办法来补救，如先使用正则匹配捕获内容中成对的标签，对标签内部的分隔先处理一遍，然后再处理整个的。

想不明白问题二的，可参考一下待分隔的段落:

<p>这是一段测试文本，这里有个链接。<a>您好，可以点击此处进行跳转</a>还有其他内容其他内容容其他内容容其他内容，容其他内容。</p>

如先使用/<((\w+?)>)(.+?)<\/\2(?=>)/g 正则，依次捕获段落内被标签包裹的内容，对标签内部的内容先处理。

但是问题又来了，这么处理的都是字符串，在js中都是基本类型，这些操作进行的时候都是在复制的基础上进行的，要修改到原字符串里去，还得记录下原本的开始结束位置，再将新的插进去。繁，还是繁，但是已经比之前逐个字符去遍历的好，正则捕获中本来就有了匹配的索引，直接用即可，还能接受。

但是这只是处理了段落内部标签的问题，段落内肯定还有很多文本是没有处理呢，怎么办？

正则匹配到了只是段落内标签的结果啊，外面的没有啊。哦，对，有匹配到的索引，上次匹配到的位置加上上次处理的长度，就是一段直接文本的开始。下一次匹配到的索引-1就是这段直接文本的结束。这只是匹配过程中的，还有首尾要单独处理。又回到烦的老路上去了。。。

这么烦，一个段落分隔能这么繁琐，我不信！

突然想到了，有文本节点这么个东西，删繁就简嘛，正则先到边上去，直接处理段落的所有节点不就行了。

文本节点则分隔直接包裹，标签节点则对内容进行包裹，这种情况下处理的直接是dom，更省事。

文本节点里放标签？这是在开玩笑么，是也不是。文本节点里确实只能放文本，但是我把标签直接放进去，它会自动转义，那***再替换出来不就行了。

好了，方案终于有了，而且这个方案逻辑多简单，代码逻辑自然也不会烦。

/** * 正文内容分段处理 * @param { jQueryObject/HTMLElement/String} $content 要处理的正文jQ对象或HTMLElement或其对应选择器 */ function splitConent($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; $.each(nodes, function (i, node) { switch (node.nodeType) { case 3: // text 节点 // 由于是文本节点，标签被转义了，后续再转回来 node.data = < + splitConfig.wrapTag + > + node.data.replace(splitConfig.splitReg, </ + splitConfig.wrapTag + >$&< + splitConfig.wrapTag + >) + </ + splitConfig.wrapTag + >; break; case 1: // 元素节点 var innerHtml = node.innerHTML, start = , end = ; // 如果内部还有直接标签，先去掉 var startResult = /^<\w+?>/.exec(innerHtml); if (startResult) { start = startResult[0]; innerHtml = innerHtml.substr(start.length); } var endResult = /<\/\w+?>$/.exec(innerHtml); if (endResult) { end = endResult[0]; innerHtml = innerHtml.substring(0, endResult.index); } // 更新内部内容 node.innerHTML = start + < + splitConfig.wrapTag + > + innerHtml.replace(splitConfig.splitReg, </ + splitConfig.wrapTag + >$&< + splitConfig.wrapTag + >) + </ + splitConfig.wrapTag + > + end; break; default: break; } }); // 处理文本节点中被转义的html标签 $item[0].innerHTML = $item[0].innerHTML .replace(new RegExp(< + splitConfig.wrapTag + >, g), < + splitConfig.wrapTag + >) .replace(new RegExp(</ + splitConfig.wrapTag + >, g), </ + splitConfig.wrapTag + >); $item.find(splitConfig.wrapTag).addClass(splitConfig.wrapCls); }); }

上面代码中***对文本节点中被转义的包裹标签替换似乎有点麻烦，但是没办法，ES5之前JavaScript并不支持正则的后行断言（也就是正则表达式中“后顾”）。所以没办法对包裹标签前后的 < 和 > 进行精准替换，只能连同标签名一起替换。

事件处理

在上面完成了文本获取和段落分隔，下面要做的就是鼠标移动上去时获取文本触发朗读即可，移开时停止朗读即可。

鼠标移动，只读一次，基于这两点原因，使用 mouseenter 和 mouseleave 事件来完成。

原因：

不冒泡，不会触发父元素的再次朗读

不重复触发，一个元素内移动时不会重复触发。

/** * 在页面上写入高亮样式 */ 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); } // 非正文需要朗读的标签逗号分隔 var speakTags = a, p, span, h1, h2, h3, h4, h5, h6, img, input, button; $(document).on(mouseenter.speak-help, speakTags, function (e) { var $target = $(e.target); // 排除段落内的 if ($target.parents(. + splitConfig.wrapCls).length || $target.find(. + splitConfig.wrapCls).length) { return; } // 图片样式单独处理其他样式统一处理 if (e.target.nodeName.toLowerCase() === img) { $target.css({ border: 2px solid #000 }); } else { $target.addClass(splitConfig.hightlightCls); } // 开始朗读 speakText(getText(e.target)); }).on(mouseleave.speak-help, speakTags, function (e) { var $target = $(e.target); if ($target.find(. + splitConfig.wrapCls).length) { return; } // 图片样式 if (e.target.nodeName.toLowerCase() === img) { $target.css({ border: none }); } else { $target.removeClass(splitConfig.hightlightCls); } // 停止语音 stopSpeak(); }); // 段落内文本朗读 $(document).on(mouseenter.speak-help, . + splitConfig.wrapCls, function (e) { $(this).addClass(splitConfig.hightlightCls); // 开始朗读 speakText(getText(this)); }).on(mouseleave.speak-help, . + splitConfig.wrapCls, function (e) { $(this).removeClass(splitConfig.hightlightCls); // 停止语音 stopSpeak(); });

注意要把针对段落的语音处理和其他地方的分开。为什么？因为段落是个块级元素，鼠标移入段落中的空白时，如：段落前后空白、首行缩进、末行剩余空白等，是不应该触发朗读的，如果不阻止掉，进行这些区域将直接触发整段文字的朗读，失去了我们对段落文本内分隔的意义，而且，无论什么方式转化语音都是要时间的，大段内容可能需要较长时间，影响语音输出的体验。

文本合成语音

上面我们是直接使用了 speakText(text) 和 stopSpeak() 两个方法来触发语音的朗读和停止。

我们来看下如何实现这个两个功能。

其实现代浏览器默认已经提供了上面功能：

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

复制到浏览器控制台看看能不能听到声音呢？(需要Chrome 33+、Firefox 49+ 或 IE-Edge)

利用一下两个API即可：

SpeechSynthesisUtterance 用于语音合成

lang : 语言 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 : 语速 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 : 声音 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 : 单词或句子边界触发，即分隔处触发 Fired when the spoken utterance reaches a word or sentence boundary.

onend : 结束时触发 Fired when the utterance has finished being spoken.

onerror : 错误时触发 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 : 暂停时触发 Fired when the utterance is paused part way through.

onresume : 重新播放时触发 Fired when a paused utterance is resumed.

onstart : 开始时触发 Fired when the utterance has begun to be spoken.

SpeechSynthesis : 用于朗读

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

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

speaking : Read only是否朗读中 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 : 声音变化时触发

cancel() : 情况待朗读队列 Removes all utterances from the utterance queue.

getVoices() : 获取浏览器支持的语音包列表 Returns a list of SpeechSynthesisVoice objects representing all the available voices on the current device.

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

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

speak() : 读合成的语音，参数必须为SpeechSynthesisUtterance的实例 Adds an utterance to the utterance queue; it will be spoken when any other utterances queued before it have been spoken.

详细api和说明可参考:

MDN - SpeechSynthesisUtterance

MDN - SpeechSynthesis

那么上面的两个方法可以写为：

因为语音合成本来是个异步的操作，因此在过程中进行以上处理。

现代浏览器已经内置了这个功能，两个API接口兼容性如下：

Feature

Chrome

Edge

Firefox (Gecko)

Internet Explorer

Opera