用textcontent提取html文本最稳定，它递归获取所有子节点的可选中文本，跳过标签、注释及script/style内容；对字符串需先用domparser解析再取textcontent。
HTML5 代码怎么转成纯文本（不是渲染效果，是提取文字）
直接用 textContent，别用 innerText —— 这是最稳、最符合预期的方式。
常见错误是看到页面上显示了文字，就去抓 innerHTML 或者用正则删标签，结果要么带空格换行混乱，要么漏掉隐藏元素里的文本，要么被 script/style 内容污染。
-
textContent会递归读取所有子节点的文本内容，跳过元素标签、注释、script/style 的内容，只保留“可被选中的文字” - 它不触发重排，性能比
innerText好，且在所有现代浏览器中行为一致 - 注意：它会包含
display: none或visibility: hidden元素里的文本（innerText不会），如果业务要求“只取可见文本”，才考虑innerText，但要接受它的兼容性坑和布局依赖
想从字符串 HTML 片段里提取文本（还没插入 DOM）
不能直接对字符串调 textContent —— 它是 DOM 方法，必须作用于节点。得先解析成 DOM 树。
最轻量的做法：用 DOMParser 创建文档片段，再取 textContent：
立即学习“前端免费学习笔记（深入）”；
const htmlStr = `<div>Hello <strong>world</strong><script>alert(1)</script></div>`; const doc = new DOMParser().parseFromString(htmlStr, 'text/html'); console.log(doc.body.textContent); // "Hello world"
- 别用
innerHTML = ...+textContent往临时div里塞，容易执行内联脚本或加载外部资源（比如<img src="xss.jpg" alt="html5代码如何变成文本格式" >） -
DOMParser是安全的，script/style 标签会被解析但不会执行 - 如果 HTML 字符串不可信，且环境支持，优先用
DOMParser；老浏览器（如 IE）不支持，就得降级用带沙箱的 iframe 或正则兜底（不推荐）
为什么 innerText 经常出问题
它看起来更“像人看到的”，但实际行为受 CSS 和布局影响，不是纯文本提取工具。
- 如果元素没挂载到文档、或者父元素
display: none，innerText可能返回空字符串 - 它会按渲染顺序拼接文本，自动合并空白、换行，还可能受
getComputedStyle影响，结果不稳定 - 在 Firefox 中，
innerText对某些 SVG 或自定义元素支持差，甚至抛错 - 如果你只是想“把 HTML 变成可复制的文本”，
innerText是过度设计，且不可靠
服务端或 Node.js 环境下怎么做
浏览器 API 用不了，得靠解析器。别手写正则删标签 —— 那会漏 <script></script>、<style></style>、实体编码（如 ）、CDATA 块等。
- Node.js 推荐用
jsdom：模拟浏览器环境，然后照搬前端逻辑（document.body.textContent） - 轻量场景可用
htmlparser2+domhandler，自己遍历文本节点，避开非文本类型节点（script、style、comment） - Python 用户常用
BeautifulSoup.get_text()，默认就跳过 script/style，行为接近textContent
真正难的不是“怎么转”，而是搞清你要的是什么文本：是用户复制粘贴时看到的？还是结构化数据里的原始字段？前者可能要过滤空白、处理换行；后者往往直接要 textContent 的原始输出。没想清楚这点，后面所有选择都会偏。
