javascript - 使用 Puppeteer 获取所有纯文本

Question

我可以使用 Puppeteer 获取所有页面代码，但我如何才能仅获取纯文本？没有标签？

const puppeteer = require('puppeteer');

(async() => {
  const browser = await puppeteer.launch();
  const page = await browser.newPage();
  await page.goto('https://google.com');
  console.log(await page.content()); //Get all code
  await browser.close();
})();

Answer 1

我还没有尝试过，但$eval可能对你有用：

await page.$eval('*', el => el.innerText);

Answer 2

伙计们。我在我的文章中收集了一些可能的变体： 如何使用 Puppeteer 从网页中获取所有文本？

为了简短起见：

1. innerText变体。适用于大多数网页，但不是全部

await page.$eval('*', el => el.innerText);

2. 选择文本变体。适用于更多网页

await page.$eval('*', (el) => {
        const selection = window.getSelection();
        const range = document.createRange();
        range.selectNode(el);
        selection.removeAllRanges();
        selection.addRange(range);
        return window.getSelection().toString();
    });

3. 使用您选择的第三方库（如html-to-text）