如何在Selenium中实现兼容隐藏元素的类getText()通用文本抓取方案？

我完全懂你的困扰——用常规的innerHTML或textContent抓隐藏文本时，总会带回一堆额外的标签或无关内容，而getText()又只认可见元素。想要一个能兼容两种场景的通用方案：既可以拿到隐藏元素的文本，又能和getText()返回的干净结果一模一样，对吧？

为什么之前的方法不适用？ #

• getText()：仅返回可见元素的文本，完全符合我们想要的干净格式，但对隐藏元素无能为力。
• innerHTML/textContent：能获取隐藏元素的内容，但会把元素内部所有子节点（包括HTML标签）都带回来，比如你例子里的<a>标签包含<img>，调用这些方法会返回<img .../>的代码，这显然不是我们要的。

核心思路：用JS模拟getText()的逻辑（忽略可见性） #

getText()的本质是提取元素及其子元素中所有文本节点的内容，自动合并空白并去除冗余。我们可以写一段JavaScript脚本，复刻这个逻辑，但跳过“检查元素可见性”的步骤，这样就能同时支持可见和隐藏元素。

具体实现代码（Java示例） #

// 初始化JS执行器
JavascriptExecutor js = (JavascriptExecutor) driver;

// 定义模拟getText()的JS脚本，传入目标元素
String targetText = (String) js.executeScript("""
    function getCleanText(element) {
        let result = '';
        // 遍历元素的所有子节点
        for (const node of element.childNodes) {
            // 处理文本节点：提取内容并去除首尾空白
            if (node.nodeType === Node.TEXT_NODE) {
                const text = node.textContent.trim();
                if (text) result += text + ' ';
            }
            // 处理元素节点：递归遍历，但跳过script和style标签（这些标签的文本不需要）
            else if (node.nodeType === Node.ELEMENT_NODE) {
                const tagName = node.tagName.toUpperCase();
                if (tagName !== 'SCRIPT' && tagName !== 'STYLE') {
                    result += getCleanText(node) + ' ';
                }
            }
        }
        // 最后合并多余空格并返回
        return result.trim().replace(/\\s+/g, ' ');
    }
    // 执行函数并返回结果
    return getCleanText(arguments[0]);
""", yourTargetWebElement);

适配你的两个场景验证 #

1. 带img的a标签场景：
   脚本遍历<a>的子节点时，只会处理文本节点，但<a>里只有<img>元素（没有文本节点），所以返回的是空字符串，和getText()的结果完全一致。
2. 亚马逊隐藏价格场景：
   目标元素priceblock_ourprice虽然隐藏，但内部包含价格文本节点，脚本会提取出这个文本，返回和点击“One-time Purchase”后getText()拿到的一模一样的价格内容。

优势 #

• 完全复刻getText()的文本格式（自动处理空白、合并内容）。
• 支持所有元素，不管是可见还是隐藏。
• 自动跳过script、style等不需要的标签内容，避免冗余。

内容的提问来源于stack exchange，提问作者S.O.S