如何使用Cheerio和Node.js提取指定span标签对之间的文本？

我明白你的困扰了——这个HTML结构确实有点棘手，section的起始标签和结束标签不仅跨了多个<p>元素，还夹杂着需要忽略的标题内容。你之前的代码只拿到section编号，主要是因为nextUntil的局限性：它只能查找当前元素的同级后续元素，没法获取到外面的<p>标签内容，再加上addBack()把section编号本身的文本也包含进去了，结果自然只有数字。

下面给你一套能解决这个问题的方案，我们手动遍历节点来收集文本，同时跳过不需要的标题：

const $ = cheerio.load(html);
const sections = [];

$("span.sectionno").each((_, sectionNoEl) => {
  // 获取section编号
  const sectionNo = parseInt($(sectionNoEl).text().trim());
  let currentNode = sectionNoEl.nextSibling;
  const textSegments = [];

  // 从sectionno的下一个节点开始，遍历直到遇到endsection
  while (currentNode) {
    // 遇到结束标签，停止遍历
    if ($(currentNode).hasClass("endsection")) {
      break;
    }

    // 忽略h3标题元素，直接跳过
    if (currentNode.tagName === "h3") {
      currentNode = currentNode.nextSibling;
      continue;
    }

    // 收集文本内容：区分文本节点和元素节点
    if (currentNode.nodeType === 3) {
      // 处理纯文本节点，去掉多余空格
      const text = currentNode.textContent.trim();
      if (text) textSegments.push(text);
    } else if (currentNode.nodeType === 1) {
      // 处理元素节点（比如<p>），提取内部文本并去重空格
      const text = $(currentNode).text().trim();
      if (text) textSegments.push(text);
    }

    // 移动到下一个节点
    currentNode = currentNode.nextSibling;
  }

  // 把收集到的文本片段合并成连贯的内容，清理多余空格
  const fullText = textSegments.join(" ").replace(/\s+/g, " ").trim();
  sections.push({ no: sectionNo, text: fullText });
});

console.log(sections);

代码逻辑解释： #

1. 遍历每个section起始标签：找到所有span.sectionno，逐个处理。
2. 从起始标签的下一个节点开始遍历：避免把section编号本身的文本算进去。
3. 终止条件：一旦遇到span.endsection就停止当前section的文本收集。
4. 跳过标题：遇到<h3>元素直接跳过，不收集其内容。
5. 分类收集文本：区分纯文本节点（比如sectionno后面的直接文本）和元素节点（比如后续的<p>），只保留非空的文本内容。
6. 整理文本格式：把收集到的片段合并，用正则替换掉多余的空格和换行，得到干净连贯的文本。

运行这段代码后，就能得到你想要的结果啦：

[
  { no: 1, text: "Do you see that shelf?" },
  { no: 2, text: "The shelf is hanging on the wall beside the clock." },
  { no: 3, text: "The clock was ticking slowly telling time" }
]

备注：内容来源于stack exchange，提问作者Adam D