如何获取整个文档的文本内容？

Question

我正在开发一个Chrome扩展程序，需要在某个阶段确定当前页面的语言。为达到这个目的，我的计划是提取页面的文本内容（或者至少其中的一部分）并将其传递给翻译 API。然而，我找不到任何一种直接获取文档中所有 textNode 的方法。

备用方案是递归分析$('body').contents()，直到获得足够的文本内容，但这似乎有些靠不住。也许有更好的办法吗？

注意：Chrome 扩展 API 允许您的脚本访问用户页面 DOM，就像它是其中的一部分。

- artemave

---

有没有办法在Chrome扩展开发中使用Python可执行文件？如果可以，您可以使用sgmllib模块中的SGMLParser来实现！不太确定如何使用JS完成这个任务。 - Shiv Deepak

你对完整的网页HTML做什么？ - kobe

Answer 1

Javascript：

document.body.textContent

- mortalis

---

对我而言，在2021年使用Chrome，此方法不仅能提取文本，还可以在维基百科等网站上提取大量的CSS和代码。但是，document.body.innerText 方法的效果更加干净。 - Josh Desmond

以下是关于 innerText、textContent 及其区别的一些信息：HTMLElement.innerText，textContent 和 innerText 的区别。 - mortalis

Answer 2

没有jQuery也同样简单：document.body.innerText;

- pawel

---

针对IE浏览器，使用innerText；否则使用document.body.textContent。 - kennebec

根据PPK的说法，这两种方法都是跨浏览器的（Firefox中不存在innerText，IE中不存在textContent）。http://www.quirksmode.org/dom/w3c_html.html - pawel

它们是不同的：https://dev59.com/OnM_5IYBdhLWcg3wfTI0#1359822 - Tim Down

现在所有浏览器都已经实现了innerText。它运行良好，我强烈推荐使用。请访问https://caniuse.com/innertext。许多教程仍然过时并提到它的不兼容性，但是现在不再存在！ - Josh Desmond

Answer 3

使用jQuery的text()方法

$('body').text()

- John Hartsock

---

抱歉挑剔一下，但你需要使用：$('body').text()。 - szeryf

Answer 4

VanillaJS：

document.body.outerHTML

- guerrerocarlos

Answer 5

你可以使用chrome.tabs.detectLanguage(integer tabId, function callback)。

- Vitaly Zdanevich

Answer 6

所有这些方法在使用Chrome控制台尝试时返回undefined。

var text = document.body.textContent;
var text = document.body.outerHTML;
var text = document.body.innerText;

等等...

- DennisWPaulsenJR

---

语句本身 var text = document.body.innerText; 将返回 undefined，就像语句 var i = 5; 一样会返回 undefined。只需在控制台中键入 document.body.innerText，您将看到输出。 - Josh Desmond