Treewalker的NodeFilter.SHOW_TEXT文本提取及DOM解析范围的技术问询

问题1：执行let allTextNodes = document.createTreeWalker(document.body, NodeFilter.SHOW_TEXT);无法获取这类自定义标签内文本的原因 #

• 核心原因是这类自定义元素的文本内容大概率存在于Shadow DOM中。document.createTreeWalker默认只会遍历常规的主DOM树，而Shadow DOM是浏览器提供的DOM封装机制，内部节点默认对外不可见，外部的TreeWalker无法穿透访问。
• 以你提到的Crunchbase页面为例，<field-formatter>是网站封装的自定义组件，会把要渲染的文本放在组件的Shadow Root内部，这部分不属于主DOM树的范畴，所以你的TreeWalker代码自然抓取不到这些文本。

问题2：document.createTreeWalker是否仅解析合法的DOM元素？ #

• 不是。createTreeWalker可以遍历所有符合DOM规范的节点，包括：
  • 标准HTML元素（如<div>、<p>）
  • 未注册的自定义标签（即便没通过customElements.define注册，浏览器也会将其视为普通元素节点处理）
  • 已注册的自定义元素（只要它们的节点存在于主DOM树中）
• 需要注意：如果自定义元素使用了Shadow DOM，其内部节点不在主DOM树里，createTreeWalker默认不会遍历这部分内容。如果要访问Shadow DOM内的节点，你需要先获取元素的shadowRoot（前提是Shadow DOM为开放模式），再针对shadowRoot创建TreeWalker进行遍历。

内容的提问来源于stack exchange，提问作者anjanesh