innerText最快但不可靠，因它依赖渲染、受CSS隐藏影响、不读取表单value、在iframe/Shadow DOM中需切换上下文，且服务端无法使用。
直接用 document.body.innerText 最快，但只适用于浏览器环境且依赖页面已渲染；服务端或静态解析必须换方案。
为什么 innerText 不总可靠
innerText 读取的是渲染后可见文本，会受 CSS 影响（比如 display: none、visibility: hidden 的内容被跳过），还会触发重排，性能略差。旧版 Safari 对换行处理不一致，某些动态插入的文本（如 JS 后置填充）可能还没生效就取了值。
- 它不返回注释、
script、style内容——这点好，但也不返回aria-hidden="true"元素里的文本，而有些业务场景需要保留 - 如果目标元素是
input或textarea，innerText拿不到value，得单独处理 - 在 iframe 或 Shadow DOM 中，必须切换到对应上下文再调用，否则为空
textContent 更稳，但要注意隐藏内容也被包含
textContent 是纯 DOM 树遍历，无视样式、渲染状态，只按 HTML 结构提取所有文本节点内容。它更快、更可预测，兼容性也更好。
- 它会拿到
<div style="display:none">secret</div>里的 "secret" —— 如果你明确要排除这类内容，就得先querySelectorAll过滤掉隐藏元素 - 连续空白符（空格、换行、缩进）会被自动压缩成单个空格，和
innerText行为一致 - 对
input、textarea、select等表单控件，仍需手动读取.value，因为它们的文本节点为空
服务端/Python 场景下别碰 innerText
服务端没有渲染引擎，innerText 根本不存在。必须用 BeautifulSoup 或类似库做静态解析。
anything-to-html
下载
将调研报告、方案对比、数据分析、需求梳理、会议纪要、设计说明、代码评审、学习笔记等任务产物输出为可在浏览器直接打开的单文件 HTML，替代 Markdown 作为最终交付物。Markdown 在信息密度、视觉清晰度和可分享性上已跟不上 AI 产物的丰富度，HTML 能同时承载排版、表格、SVG 等。
立即学习“前端免费学习笔记（深入）”；
- 优先定位语义容器：
soup.find("main")或soup.find("article")，再调用.get_text(separator="\n", strip=True) - 提前删干扰标签：
for tag in soup(["script", "style", "nav", "footer", "header"]): tag.decompose() - 编码必须对齐：拿到
response后立刻设response.encoding = response.apparent_encoding or "utf-8"，否则中文变乱码 -
get_text()默认不提取input的value，如需补全，得额外遍历：[t.get("value") for t in soup.find_all(["input", "textarea"]) if t.get("value")]
从无结构 HTML 中提取干净文本的底线操作
当目标元素没 class、id，甚至混着一堆 span 和换行符时，硬写选择器容易漏。此时应回归 DOM 树本质。
- 选中父容器后，用
childNodes而非children：只有childNodes包含文本节点 - 过滤关键：
node.nodeType === Node.TEXT_NODE，再.trim()，再filter(text => text.length > 0) - HTML 源码里的换行缩进也会生成 TEXT_NODE，所以空字符串过滤不能省
- 若要保留段落顺序，可结合
children遍历 + 每个子元素内递归提取textContent，而不是一股脑拼所有 TEXT_NODE
真正难的不是“怎么取”，而是“该取哪些”——可见性判断、表单值合并、编码纠错、干扰节点识别，这些细节一旦漏掉，输出的文本就不可信。别迷信一行代码，先想清楚你的“可见”到底指什么。
