python实战（爬取一个小说网站，将爬取的文本转换为语音）

1.前言

有声小说相信大家都不陌生了, 里面的音频基本都是一些声优录制的
其实除了录制音频, 咱们可以利用百度免费的api接口使用python语言在线合成语音
制作属于自己的有声小说, 一睹为快吧!!

2.爬取小说网站

爬取的网站http://www.xbiquge.la/10/10489/

代码示例：

python 复制代码

# -*- coding: utf-8 -*-
# @File : 爬取文本内容.py
# @Time : 2024/6/20 15:35
# @Author : syq
# @Email : [email protected]
# @Software: PyCharm
import requests  # 数据请求模块 ,第三方模块
import re  # 内置模块
def get_chapter(number):
    '''
    :param number: 该参数是你要爬取的哪一章
    :return:
    '''
    # 1.确定数据的url链接地址
    url = 'http://www.xbiquge.la/10/10489/'

    # 2.发送请求
    response = requests.get(url=url)
    response.encoding = response.apparent_encoding   # 自动识别响应对象的编码
    html_data = response.text
    # print(html_data)

    # 3.解析数据(只解析小说，获取每一章节小说的链接)
    chapter_list_url = re.findall("<dd><a href='(.*?)' >.*?</a></dd>", html_data, re.S) #看自己要哪些数据
    print(chapter_list_url)

    # 爬取指定章节的小说
    chapter = chapter_list_url[number]
    print(chapter)

    # 构建小说的全部地址
    all_url = 'http://www.xbiquge.la' + chapter


    response_2 = requests.get(url=all_url)
    response_2.encoding = response_2.apparent_encoding  # 自动识别响应对象的编码
    html_data_2 = response_2.text
    #print(html_data_2)
    """
    <div id="content">(.*?)<p>.*</p></div>
    """
    # 解析小说文本数据
    result = re.findall('<div id="content">(.*?)<p>.*</p></div>', html_data_2, re.S)
    # print(result)

    # 4.保存数据
    with open('a.txt', mode='w', encoding='utf-8') as f:
        f.write(result[0].replace('&nbsp;', '').replace('<br />', ''))
        
number = int(input('请输入你想要爬取的章节(输入数字):'))
get_chapter(number)

运行后，生成了a.txt文件

项目文件中有生成的文件，但是pycharm中没有，解决方法，如下图：

查看a.txt文件的内容

代码分析：

（1）代码的#1.2获取每个章节独有的链接名称得到的是一个列表

正则表达式的写法，是根据如下图来的：

（2）代码的#3.获取小说的文本信息

正则表达式的写法，是根据如下图来的：

3.把爬取的小说文本转换为语音

调用百度AI的免费接口，参考如下链接（要从百度AI中获取3个参数值）

百度AI-语音合成（python代码练习-把文本转换为语音）-CSDN博客

代码：

python 复制代码

# -*- coding: utf-8 -*-
# @File : 文本转语音.py
# @Time : 2024/6/21 9:26
# @Author : syq
# @Email : [email protected]
# @Software: PyCharm
from aip import AipSpeech

""" 你的 APPID AK SK """
APP_ID = '84493676'
API_KEY = '4dXEGpehJRDWYvvZI6ewNoL9'
SECRET_KEY = 'bbWB7DG2GHUuBLkU6XOMQbwL3TS4AUPf'
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

# 读取数据, 处理文本的长度
with open('a.txt', mode='r', encoding='utf-8') as f:
    # text = f.read()
    # print(text)
    flag = 0
    while True:
        flag += 1
        text = f.read(512)  # 每次去取512字节
        if not text:
            break
        # print(text)
        # print('*' * 100)

        result  = client.synthesis(text, 'zh', 1, {
            'vol': 5,
            # 'spd': 4,
            # 'pit': 9,
            # 'per': 1

        })

        # 识别正确返回语音二进制 错误则返回dict 参照下面错误码
        if not isinstance(result, dict):
            with open(f'video\\{flag}.mp3', 'wb') as file:
                if flag<=3: #因为a.txt的文字有点多，所以不让他全部生成
                    print(f'正在生成第 {flag} 个语音...')
                    file.write(result)
                else:
                    break
        else:
            print(result)

注意：text = f.read(512) # 每次去取512字节

这样写的原因：

运行结果：

如果运行完成后，video中没有看到生成的mp3文件，但是本地磁盘的项目目录有，就右键点一下Reload from Disk

注：爬取小说内容.py模块可删除！！！

如有需要代码，可在资源中自行下载