Cheerio多子节点文本提取：如何避免文本合并并添加分隔空格

直接用.contents()遍历所有子节点，过滤并处理文本节点，再用空格拼接结果，就能避免不同子节点文本直接连写的问题。

正确的代码实现：

$(selector)
  .first()
  .contents()
  .map((_, node) => {
    // 处理文本节点（nodeType为3）
    if (node.nodeType === 3) {
      return $(node).text().replace(/\s+/g, " ").trim();
    }
    // 递归处理元素节点的子文本节点（nodeType为1）
    if (node.nodeType === 1) {
      return $(node).contents().map((_, child) => {
        if (child.nodeType === 3) {
          return $(child).text().replace(/\s+/g, " ").trim();
        }
        return "";
      }).get().join(" ").trim();
    }
    return "";
  })
  .get()
  .filter(text => text) // 过滤空字符串
  .join(" ")
  .trim();

代码说明 #

• .contents()能获取当前元素的所有子节点（包括文本节点和元素节点）
• 通过nodeType区分节点类型：3代表文本节点，1代表元素节点
• 文本节点直接做空格去重和修剪处理
• 元素节点递归遍历内部文本，避免嵌套标签导致的文本丢失
• 最后用空格拼接所有有效文本，确保不同节点的文本被分隔开

比如处理<div>Hello<span>World</span><p>!</p></div>这类结构，会得到Hello World !的结果，不会出现文本连写的情况。

内容的提问来源于stack exchange，提问作者seventeen