正文
文本首发我的博客 - https://blog.cdswyda.com/post/2017120914
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。
重点当然就是先获取到当前标签上的文本，再把文本转化成语音即可。
标签朗读
这个很简单了，只用根据当前是什么标签，给出提示即可。
// 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，因此在最后加入一个空格
return (tagTextConfig[tagName] || '') + ' ';
}
获取完整的朗读文本就更简单了，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
最后
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，那包裹分段标签时直接破换了原标签的完整性。
关于第一个问题，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，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，那最后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
