textContent不能直接满足递归提取需求，因为它会包含script/style/注释内容，且无法获取表单控件的实时输入值（只返回静态value属性），必须用childNodes遍历并按节点类型分别处理value或nodeValue。
为什么 textContent 不能直接满足递归提取需求
textContent 确实能安全提取单个元素内所有后代文本，但它会把 <script></script>、<style></style>、注释节点里的内容也一并拉进来——而这些通常不是你想要的“可见文本”。更关键的是，它对表单控件的实时值（比如用户刚在 <input> 里输入的字）完全无感，只返回 HTML 中写死的 value 属性值，不是 DOM 当前状态。
所以，真要“递归提取且覆盖动态内容”，就不能只靠一层 textContent，得自己控制遍历粒度和节点类型判断逻辑。
用 childNodes 遍历 + 类型判断是唯一可靠路径
必须用 childNodes，不是 children。因为 children 只返回元素节点，会跳过纯文本节点（比如 <div>hello</div> 中的 "hello" 就是 TEXT_NODE），导致内容丢失。
- 遇到
Node.ELEMENT_NODE：先检查是否有value属性（覆盖input、textarea、select、带contenteditable的元素），有就取node.value；否则退到node.textContent - 遇到
Node.TEXT_NODE：直接取node.nodeValue，注意可能为空字符串或全是空白 - 跳过
Node.COMMENT_NODE、Node.PROCESSING_INSTRUCTION_NODE等无关类型 - 递归调用自身处理每个符合条件的子节点，不依赖深度限制
get_text() 在 BeautifulSoup 中的 separator 和 strip 怎么选
Python 用户常卡在 get_text() 的分隔行为上。默认 separator='' 会让相邻文本“粘连”，比如 <p>Hello</p><div class="aritcle_card flexRow">
<div class="artcardd flexRow">
<a class="aritcle_card_img" href="/xiazai/skill10246" title="HTML Text Extract"><img
src="https://img.php.cn/upload/skill/001/246/273/6adaf20dee630206.jpg" alt="HTML Text Extract" ></a>
<div class="aritcle_card_info flexColumn">
<a href="/xiazai/skill10246" title="HTML Text Extract">HTML Text Extract</a>
<p>从HTML页面（URL、文件或标准输入）中提取主体内容文本，去除导航、页脚、广告和模板文本。可直接传递给readability_check或其他文本工具。</p>
</div>
<a href="/xiazai/skill10246" title="HTML Text Extract" class="aritcle_card_btn flexRow flexcenter"><b></b><span>下载</span> </a>
</div>
</div>
<p><span>立即学习</span>“<a href="https://pan.quark.cn/s/cb6835dc7db1" style="text-decoration: underline !important; color: blue; font-weight: bolder;" rel="nofollow" target="_blank">前端免费学习笔记（深入）</a>”；</p>
<p>World</p> 变成 "HelloWorld"，而不是 "Hello World"。
- 设
separator=' '最常用，但注意它会在每对节点间都加空格，可能导致首尾或中间多余空格 -
strip=True会清理每段文本的首尾空白，但不会合并中间连续空白；如需彻底扁平化，后续补.replace(/\s+/g, ' ').trim()（JS）或re.sub(r'\s+', ' ', text).strip()（Python） - 别用
types过滤文本节点来“提纯”——它无法区分正常文本和脚本注释里的字符串，容易误伤
高频调用时字符串拼接性能陷阱
循环里用 += 拼长文本，在 JS 或 Python 中都是 O(n²) 行为。尤其处理大 DOM 树或批量 HTML 文件时，延迟明显。
- JS 推荐改用
Array.push()收集，最后.join('')；避免在每次迭代中重新分配字符串内存 - Python 用
get_text()本身已内部优化，但若手动递归，也建议用list.append()+''.join() - Go 的
go.net/html库必须手动遍历FirstChild/NextSibling链表，同样应累积到[]string再 join，而非反复+=
真正麻烦的从来不是“能不能拿到文本”，而是“拿到的是否包含用户此刻看到/输入的内容，又是否剔除了不该出现的噪音”。漏掉一个 Node.TEXT_NODE 或错判一次 value 存在性，搜索就会失焦。
