通过 JavaScript 获得纯 HTML 的纯文本吗?

阅读时长 4 分钟读完

在前端开发中,有时我们需要从 HTML 中提取纯文本信息,例如进行搜索、过滤、统计等操作。虽然可以手动复制粘贴,但若有大量的 HTML 内容需要处理,则显然不是一种高效的方式。那么,如何以编程方式获取 HTML 元素的纯文本呢?本文将介绍 JavaScript 中一些常见的实现方法。

方法一:使用 innerText 属性

对于大多数 HTML 元素来说,都有一个 innerText 属性,它返回元素的纯文本内容(不包括 HTML 标签)。例如:

可以看到,innerText 返回了 "Hello, world!",而不是 "Hello, <strong>world!</strong>"。这个方法的优点是简单易用,但它也有一些局限性。首先,它只适用于大部分标准 HTML 元素,而不适用于像 input、textarea 这样的表单元素;其次,它会忽略 CSS 样式中的 display:none 属性,因此可能会返回不正确的结果。

方法二:使用 textContent 属性

与 innerText 类似,textContent 属性也可以返回元素的纯文本内容。它与 innerText 的区别在于,textContent 返回的是所有子节点的文本内容,包括注释和空格等。

可以看到,text 返回了 "Hello, world!",而不是 "Hello, <!-- comment -->world!"。这个方法的优点是能够获取更全面的文本信息,但缺点是可能会返回一些不需要的内容。

方法三:使用 DOMParser 解析器

如果我们需要精确控制从 HTML 中提取纯文本的过程,可以使用 DOMParser 解析器。它可以将 HTML 字符串解析成一个 DOM 文档,然后我们就可以通过遍历 DOM 树来获取所需的文本。注意,该方法需要浏览器支持 DOMParser API。

可以看到,我们首先获取了元素的 innerHTML 属性,然后通过 DOMParser 解析器将其转换为 DOM 对象。最后,我们获取了文档的 body 元素,并调用其 textContent 属性来获取纯文本内容。

这个方法的优点在于灵活性高,可以精确控制提取文本的过程,同时可以处理复杂的 HTML 结构。缺点是需要编写较多的代码,并且可能会影响性能。

方法四:使用第三方库

除了以上三种方法外,我们还可以使用第三方库来帮助我们提取 HTML 的纯文本内容。例如,jQuery 库提供了一个 text() 方法,可以返回元素的纯文本内容;而 Cheerio 库则可以在 Node.js 中模拟浏览器环境,以便于对 HTML 进行操作。这些库的优点在于易用性高,但缺点在于可能会增加项目的依赖和体积。

纠错
反馈