必须逐字拆分多音字并单音标注,因斜杠分隔会破坏语义导致语音合成失效;正则易误伤拼音声调或JS语法,且无法处理带属性的变体;应通过DOM操作按汉字粒度重建ruby结构。

HTML 里用 <ruby></ruby> 标多音字时,如果写成 <ruby>否<rt>fǒu/pǐ</rt></ruby> 这类混排,语音合成器会直接失效——这不是样式问题,是语义破坏。必须逐字拆开、单音标注,且不能靠正则“一键”暴力替换。
为什么不能用正则批量删 <rt></rt> 内的斜杠分隔
多音字标注错误常见于把多个读音塞进同一个 <rt></rt>,比如 <rt>zhǎng/zhàng</rt>。这种写法在 W3C 验证器里不报错,但屏幕阅读器和语音 API(如 Web Speech API)根本无法解析斜杠前后的音节边界。更麻烦的是:正则匹配 / 会误伤合法拼音里的声调符号(如 chā 里的 ā),或 JS 字符串中本就存在的 / 分隔符。
- 别用
rt>[^ 这类表达式——它跨标签边界,可能吞掉整个 <code><ruby></ruby>块 - 真实项目里常有
<rt data-variant="formal">pǐ</rt>这种带属性的变体,正则无法区分结构意图 - 人工检查时重点盯
<rt></rt>标签内容是否含/、、、;等非单音字符
安全批量修正的 DOM 操作方式
用浏览器环境或 JSDOM 批量处理时,核心是「保留 <ruby></ruby> 结构,只拆解 <rt></rt> 内容」。不能删掉整个 <rt></rt>,也不能硬塞进新标签——得按汉字粒度重建对应关系。
- 先用
document.querySelectorAll('ruby')拿到所有注音块 - 对每个
ruby,取其文本子节点(即汉字)和rt子节点,用Array.from(ruby.childNodes)遍历,跳过空白文本节点 - 若
rt.textContent包含/,按字拆分:比如汉字是“长”,rt是"zhǎng/zhàng",就得拆成两个<ruby>长<rt>zhǎng</rt></ruby>和<ruby>长<rt>zhàng</rt></ruby>,再插入原位置 - 注意保留原始
rt的 class、data-* 属性,否则 CSS 或 JS 可能失效
命令行下如何预检多音字风险点
在 CI 流程或本地批量扫描时,用 grep 快速定位高危 <rt></rt> 更实用,比跑完整解析快得多:
立即学习“前端免费学习笔记(深入)”;
- 查所有含斜杠的
<rt></rt>:grep -n '<rt>[^' *.html</rt> - 排除已加
data-pinyin备用的(说明作者有意处理多音):grep -n '<rt>[^' *.html | grep -v 'data-pinyin'</rt> - 注意
<rt></rt>可能换行,所以实际用perl -0777 -ne 'while(/<rt>([sS]*?)/g){ print "$1 " if /\// }' *.html</rt>更稳妥
真正难的不是怎么删,而是删完后要不要补上下文说明——比如“否极泰来”的“否”标 pǐ,但单独出现时可能读 fǒu。这时候 data-pinyin 不是可选项,是必填项。否则自动化工具修得再干净,用户听到的还是错音。



















