取得元素的純文字內容看似簡單,實則有許多細節需要處理,例如要排除 script 標籤、要為段落等區塊元素補上換行等。本文分享一個名為 getTextContent 的函式,能妥善處理這些情況,回傳乾淨的文字。
完整程式碼如下:
/*獲取標簽的文字*/
function getTextContent(element, preformatted) {
if (!elementIsVisible(element)) return '';
if (element.nodeType == 3 /*Node.TEXT_NODE*/) {
var text = element.data;
if (!preformatted) {
text = normalizeNewlines(text);
}
return text;
}
if (element.nodeType == 1 /*Node.ELEMENT_NODE*/ && element.nodeName != 'SCRIPT') {
var childrenPreformatted = preformatted || (element.tagName == "PRE");
var text = "";
for (var i = 0; i < element.childNodes.length; i++) {
var child = element.childNodes.item(i);
text += getTextContent(child, childrenPreformatted);
}
// 為引入換行的區塊元素補上換行
if (element.tagName == "P" || element.tagName == "TR" || element.tagName == "BR" || element.tagName == "HR" || element.tagName == "DIV") {
text += "\n";
}
return text;
}
return '';
}
/*元素是否可見*/
function elementIsVisible(element) {
if (element.style.visiablity == "hidden" || element.style.display == "none")
return false;
else
return true;
}
函式透過遞迴的方式遍歷每個子節點:遇到文字節點(nodeType為3)便取出文字,並在非格式化模式下統一換行符號;遇到元素節點(nodeType為1)則排除 script 標籤後繼續遞迴。特別的是,它會為 P、TR、BR、HR、DIV 等區塊元素補上換行,讓文字結構更貼近視覺呈現。此外還搭配 elementIsVisible 判斷元素是否隱藏,若隱藏則回傳空字串。