innerText 最省事地提取用户可见文本，天然忽略隐藏元素、script/style内容，但需注意 iframe 跨域、旧版 Safari 换行差异及语义容器限定。
用 innerText 直接跳过隐藏元素最省事
想只拿用户实际能看到的文本，innerText 是最直接的选择——它天然忽略 display: none、visibility: hidden、opacity: 0（仅当元素不可交互且无布局影响时）等隐藏状态的节点，也不读取 <script> 或 <style> 里的内容。
常见错误是误以为 textContent 更“准确”，结果把广告位预留 div 里那句 "loading..." 也塞进去了。而 innerText 在多数现代浏览器中会真实模拟渲染逻辑，不触发重排，性能尚可。
-
innerText对 iframe 跨域内容返回空字符串，需提前判断document.body是否可访问 - 旧版 Safari 中换行处理略 inconsistently（比如
<br>后多一个空格），若需强一致，加.replace(/\n\s*\n/g, '\n\n')二次归一 - 别对整个
document调用，优先限定到语义容器：document.querySelector('article')?.innerText或document.querySelector('.content')?.innerText
querySelectorAll 配合可见性过滤更可控
当页面存在大量动态显示/隐藏逻辑（比如 tab 切换、折叠面板），或你需要排除某类特定 class 的隐藏区块（如 .ad-banner、.hidden-xs），硬靠 innerText 就不够用了。这时候得自己选、自己筛。
核心思路：先选中所有候选元素，再逐个判断是否“真正可见”。注意，offsetParent !== null 比 getComputedStyle(el).display !== 'none' 更可靠，因为它还覆盖了父级被隐藏的情况。
使用 PptxGenJS 和 Python 解析，将结构化的 HTML/CSS 幻灯片内容转换为原生、可编辑的 PowerPoint（.pptx）演示文稿。
立即学习“前端免费学习笔记（深入）”；
- 用
document.querySelectorAll('p, h1, h2, li, .post-content > *')锁定语义区域，避免全量遍历 - 过滤条件建议组合：
el.offsetParent && !el.hasAttribute('aria-hidden') && getComputedStyle(el).visibility !== 'hidden' - 提取前统一
.textContent.trim()，比.innerText少一层样式计算开销，且不依赖渲染树就绪
BeautifulSoup 中怎么绕过隐藏内容？
Python 端没有浏览器渲染上下文，innerText 不存在。但你可以模拟它的行为逻辑：不靠 CSS，而靠 HTML 属性和常见隐藏 class 名称做启发式过滤。
关键不是“删掉所有 <script>”，而是识别出哪些元素在前端大概率不会被用户看到。比如 class="sr-only"、class="visually-hidden"、aria-hidden="true"、data-testid="ad-container" 这些信号比 display 值更稳定。
- 先
soup.find_all(['script', 'style', 'noscript'])并.decompose() - 再用
soup.select('[aria-hidden="true"], .sr-only, .visually-hidden, [class*="hidden-"]')批量移除 - 最后调用
soup.get_text(separator='\n', strip=True)，保留段落换行，避免标题和正文粘连 - 慎用正则匹配
display:none—— 它可能藏在内联 style 字符串里，也可能被 JS 动态写入，正则根本抓不全
容易被忽略的边界情况
很多人卡在“为什么还是提到了不该出现的文本”，问题往往不在主逻辑，而在这些细节：
-
<title>标签内容默认会被innerText和get_text()包含，但它不属于页面“可见正文”，需手动排除：for title in soup.select('title'): title.decompose() - SVG 内的
<text>元素在某些解析器下不被get_text()覆盖，要单独处理：soup.find_all('text')+ 提取.get_text() - 中文网页常见“字体图标”用伪元素或 Unicode 字符占位，它们没文字内容但有
aria-label，要不要提取得看需求——get_text()不读aria-label，得额外抓属性 - 服务端渲染（SSR）页面中，初始 HTML 可能含已隐藏但未销毁的 DOM，此时
innerText仍会跳过，但 Python 端需靠 class 名或注释标记来识别
