如何在Node.js环境下使用commonmark.js正确提取Markdown的首个H1标题与首个段落内容？

问题根源 #

你遇到的问题是因为CommonMark解析后的AST（抽象语法树）里，标题和段落的内容并不是单一的文本节点——像**just great**会被解析成emphasis节点，里面嵌套着text节点；段落里的链接也会被解析成link节点，内部包含text节点。你原来的代码只取了第一个text节点，自然拿不到完整内容。

解决方案：递归拼接节点的完整文本 #

我们可以写一个递归函数，遍历目标节点的所有子节点，把所有嵌套的文本内容拼接起来，不管中间有多少层格式节点（比如emphasis、link、strong等）。

下面是修改后的完整代码：

// 递归获取节点的完整文本内容
function getFullText(node) {
  let text = '';
  if (!node || !node.children) return text;
  
  node.children.forEach(child => {
    if (child.type === 'text') {
      text += child.literal;
    } else {
      // 非文本节点，递归处理其子节点
      text += getFullText(child);
    }
  });
  
  return text;
}

document.getElementById('btn').addEventListener('click', function (e) {
  let parsed = reader.parse(md);
  let walker = parsed.walker();
  let event, node;
  let foundH1 = false;
  let foundFirstP = false;

  while ((event = walker.next())) {
    node = event.node;
    
    // 提取第一个H1的完整内容
    if (event.entering && node.type === 'heading' && node.level === 1 && !foundH1) {
      const fullH1Text = getFullText(node);
      console.log('h1', '--', fullH1Text);
      foundH1 = true; // 只取第一个H1
    }
    
    // 提取第一个段落的完整内容
    if (event.entering && node.type === 'paragraph' && !foundFirstP) {
      const fullPText = getFullText(node);
      console.log('p', '--', fullPText);
      foundFirstP = true; // 只取第一个段落
    }
    
    // 找到目标后可以提前退出循环，提升效率
    if (foundH1 && foundFirstP) break;
  }
});

代码说明 #

1. getFullText函数：遍历节点的所有子节点，遇到文本节点直接拼接内容；遇到非文本节点（比如emphasis、link）就递归处理它的子节点，把嵌套的文本都捞出来。
2. 节点过滤逻辑：添加了foundH1和foundFirstP标记，确保只提取第一个H1和第一个段落，避免后续重复匹配。
3. 提前退出循环：当两个目标都找到后直接break，不用遍历整个AST，提升性能。

这样修改后，你就能拿到完整的标题Comman mark is just great和段落内容You can try CommonMark here. This dingus is powered by commonmark.js, the JavaScript reference implementation.了。

内容的提问来源于stack exchange，提问作者Rahul