HtmlUnit中asNormalizedText()返回空字符串的原因排查

问题场景 #

代码示例 #

HtmlPage rowPage = ...
String address1 = ((HtmlDivision)rowPage.getFirstByXPath("//div[contains(@class, 'client_address1')]")).asXml();
System.out.println("address1 = " + address1);
String address1_2 = (( ((HtmlDivision)rowPage.getFirstByXPath("//div[contains(@class, 'client_address1')]")).asNormalizedText();
System.out.println("address1_2 = " + address1_2);

执行输出 #

address1 = <div class="client_address1 clientRow">
  123 Somewhere ln
</div>

address1_2 = 

期望asNormalizedText()返回"123 Somewhere ln"，但实际返回空字符串，以下是可能的原因：

可能的原因 #

• 文本所在子元素被隐藏：如果目标div内的文本实际嵌套在设置了display:none、visibility:hidden的子元素中，HtmlUnit会忽略不可见元素的文本内容。
• 文本由JavaScript动态生成：若地址文本是页面加载完成后通过JS动态插入的，而HtmlUnit未启用JavaScript，或者在JS执行完毕前就获取了元素，会导致asNormalizedText()无法拿到内容。
• 文本被CSS视觉隐藏：比如使用text-indent: -9999px、opacity:0等CSS技巧将文本移出可视区域，HtmlUnit会识别这类隐藏规则，不返回对应文本。
• HtmlUnit解析异常：部分特殊HTML结构（比如异常换行、嵌套空格）可能导致HtmlUnit解析偏差，使原本的文本被识别为空。可以尝试用asText()方法对比结果，或确认XPath是否精准定位到目标节点。
• 文本被包裹在HTML注释中：如果地址文本处于HTML注释（<!-- ... -->）内部，asNormalizedText()不会提取注释里的内容。

内容的提问来源于stack exchange，提问作者ryvantage