将 html 转换为文本表示并保留标签的空白含义 - 如何？

Question

考虑这样的 html 片段：

<p>foo</p><p>bar</p>

如果你运行（例如）jQuery text ，你将得到“foobar”——所以它实际上是原始文本，而不是文本表示。

我正在寻找一些准备使用的库来获取文本表示，在本例中它应该是 - “foo\nbar”。或者聪明地提示如何使这尽可能简单;-)。

注意：我不是在寻找漂亮的输出文本，而只是保留空格的含义，因此对于：

<tr><td>foo</td><td>bar</td></tr>
<tr><td>1</td><td>2</td></tr>

我会很高兴

foo bar
1 2

它不一定是：（

foo bar
1   2

但当然没有造成任何伤害）。

Answer 1

您是否看过 innerText 或 textContent 特性？

function getText(element){
    var s = "";
    if(element.innerText){
        s = element.innerText;
    }else if(element.textContent){
        s = element.textContent;
    }
    return s;
}

示例

将 PRE 标记添加到正文并附加正文文本。

document.body.appendChild(
    document.createElement('pre')
)
.appendChild(
    document.createTextNode(
        getText(document.body)
    )
);

---

编辑

使用范围可以在 Firefox 中使用吗？

var r = document.createRange();
r.selectNode(document.body);
console.log(r.toString());

---

编辑

看来你被这样的解析函数困住了。

var parse = function(element){
    var s = "";
    for(var i = 0; i < element.childNodes.length; i++){
        if(/^(iframe|noscript|script|style)$/i.test(element.childNodes[i].nodeName)){
            continue;
        }else if(/^(tr|br|p|hr)$/i.test(element.childNodes[i].nodeName)){
            s+='\n';
        }else if(/^(td|th)$/.test(element.childNodes[i].nodeName)){
            s+='\t';
        }

        if(element.childNodes[i].nodeType == 3){
            s+=element.childNodes[i].nodeValue.replace(/[\r\n]+/, "");
        }else{
            s+=parse(element.childNodes[i]);
        }
    }
    return s;
}

console.log(parse(document.body)); 

Answer 2

我可能与 Zapthedingbat 同时开始编写自己的函数，因此仅供记录：

var NodeTypeEnum = { Element    : 1,Attribute   : 2, Text:  3, Comment  :8,Document     :9};

function doTextualRepresentation(elem)
{
    if (elem.nodeType==NodeTypeEnum.Text)
        return elem.nodeValue;
    else if (elem.nodeType==NodeTypeEnum.Element || elem.nodeType==NodeTypeEnum.Document)
    {
        var s = "";

        var child = elem.firstChild;
        while (child!=null)
        {
            s += doTextualRepresentation(child);
            child = child.nextSibling;
        }

        if (['P','DIV','TABLE','TR','BR','HR'].indexOf(elem.tagName)>-1)
            s = "\n"+s+"\n";
        else if (['TD','TR'].indexOf(elem.tagName)>-1)
            s = "\t"+s+"\t";

        return s;

    }

    return "";
}

function TextualRepresentation(elem)
{
    return doTextualRepresentation(elem).replace(/\n[\s]+/g,"\n").replace(/\t{2,}/g,"\t");
}

令我惊讶的一件事 - 我无法开始

for (var child in elem.childNodes)

工作，这很遗憾，因为我大部分时间都花在 C# 上，而且我像这样的语法，理论上它应该在JS中起作用，但事实并非如此。