dom节点gettextcontent()会原样返回html冗余空白，导致内存膨胀；应按语义分级清洗：行内合并空格、块级保留段落换行、跳过pre/code等敏感节点，并提供可配置封装函数与监控验证。
DOM 节点的 getTextContent() 方法在处理含大量空白（如换行、缩进、空格）的 HTML 时，会原样返回这些空白字符，导致字符串体积远超实际文本内容。这类“隐形膨胀”在富文本编辑器、服务端 SSR 渲染、爬虫解析或 DOM 快照比对等场景中极易引发隐式内存占用升高、GC 频繁、序列化变慢等问题。关键不在于空白本身，而在于未清洗就长期持有或跨层传递。
识别问题节点：定位高空白率的 textContent
不是所有空白都需清洗——语义性空白（如
内缩进、代码块对齐）应保留；但 HTML 模板生成的冗余空白（如 JSX/模板引擎渲染后换行缩进）通常无意义。可通过以下方式快速筛查：
- 遍历目标 DOM 范围（如
document.body或特定容器），对每个文本节点调用textContent - 计算
textContent.length与textContent.trim().length的比值，若比值 ≥ 3 且原始长度 > 200 字符，视为高风险节点 - 排除
pre、code、textarea、script等语义敏感标签的子文本节点
清洗策略：按上下文分级处理
统一用 trim() 会破坏段落间空行、列表项间距等排版意图。推荐分层清洗逻辑：
-
行内级清洗：对
span、a、strong等内联元素内的文本，用textContent.replace(/\s+/g, ' ').trim()合并连续空白为单空格 -
块级级清洗：对
p、div、li等块级元素，保留首尾换行（用于区分段落），但压缩中间连续空白为单换行：textContent.replace(/\n\s*\n/g, '\n\n').replace(/[ \t\r\f\v]+/g, ' ').trim() -
跳过清洗：父元素是
pre、code、textarea，或节点自身有white-space: pre/pre-wrap样式时，跳过
自动化清洗机制：轻量可集成的封装方案
避免侵入业务逻辑，提供可选、可配置、可撤销的清洗能力：
- 导出函数
cleanTextNodes(rootNode, options = { inline: true, block: true, skipPre: true })，递归处理子树 - 内部使用
TreeWalker遍历文本节点，避免因 DOM 变更导致的遍历中断 - 清洗前保存原始
textContent到自定义属性（如data-original-text），便于调试或回滚 - 支持传入 CSS 选择器白名单（如
'[data-keep-whitespace]'）跳过指定节点
验证与监控：防止清洗副作用
清洗可能影响布局（如移除空格导致内联元素贴合）、可访问性（如 screen reader 依赖的空格分隔）或样式（white-space: nowrap 下空格有意义）。上线前建议：
- 对比清洗前后
getBoundingClientRect()和offsetHeight，检测是否引起重排 - 用 Puppeteer 或 Playwright 截图比对关键区块，确认视觉无异常
- 在 DevTools Console 注入监控脚本，统计清洗前后内存中字符串总长度变化，记录 top 10 膨胀节点
