我正在尝试将 DOM 节点及其所有子节点转换为我设计的纯文本标记。我可以node.childNodes用来获取所有内容的列表并递归地将其转换为我的字符串格式。
但是，当我从 中取出文本时TextNode，它会包含页面上不可见的换行符和空格。对于纯文本，我希望获得与 HTML 相同的外观 - 因此文本之前不应该有很多缩进或之后的换行符，即使它们在 HTML 标记中，因为我的浏览器在它时将它们剥离了呈现 HTML。
显而易见的答案是.trim()我自己的字符串 - 除了这可以去掉文本中应该存在的空格，例如<em>text.</em> moretext. 后一个文本节点丢失了它之前的空间。
即使这样有效，它在哲学上也没有吸引力。我希望这个算法基于呈现给用户的文本。该网页在底层标记中隐藏了诸如空格、制表符和换行符之类的实现细节，我希望使用它用来修剪它们的任何东西，而不是trim(). 理想情况下，会有一个等效的node.textContent列表，其中包含纯文本和子元素的列表。
我还没有找到任何关于这个的东西，我也看不到一个好的方法来编码它以聪明地处理这些空间（缺少比较.textContent和.nodeValue字符串或解析innerHTML自己或其他东西）。帮助？