html本身不提供文本提取能力，真正执行提取的是javascript、python解析器或n8n等工具：浏览器控制台用document.body.innertext可快速获取渲染后可见文本；beautifulsoup的get_text()适合批量处理，加参数可保留换行；n8n的html节点需正确配置json属性与css选择器，且不支持xpath。
HTML 本身不提供“提取文本”的能力——它只是标记语言，负责描述结构；真正做提取的，是 JavaScript、Python 解析器或 n8n 这类工具。直接在 HTML 文件里写 标签不会自动抽文本，必须靠外部逻辑驱动。
用浏览器控制台快速提取当前页纯文本
适合临时调试、验证目标内容是否可读，无需安装任何东西：
- 打开目标网页，按
F12→ 切到Console面板 - 输入
document.body.innerText回车，得到渲染后全部可见文本（含换行，但无格式） - 若只要某一块，比如所有
<h2></h2>标题：输入[...document.querySelectorAll('h2')].map(el => el.innerText).join('\n') - ⚠️注意：
innerText会忽略display: none或被 JS 动态隐藏的内容；想获取原始 HTML 内所有文本（包括隐藏的），改用document.body.textContent
用 BeautifulSoup（Python）从 HTML 字符串中稳定提文本
适合批量处理本地文件或 requests 抓回的响应体，比正则更鲁棒：
html-to-pptx-converter
下载
使用 PptxGenJS 和 Python 解析，将结构化的 HTML/CSS 幻灯片内容转换为原生、可编辑的 PowerPoint（.pptx）演示文稿。
-
soup.get_text()是最常用入口，但默认会把换行压成空格；需保留段落结构时加参数：soup.get_text(separator='\n', strip=True) - 若 HTML 中有大量广告/导航栏干扰，先定位主体再提：
soup.find('main') or soup.find('article') or soup.body，再调.get_text() - 遇到嵌套结构想只取父元素的“直接子文本”（跳过
<h1></h1>、<span></span>里的文字），用soup.select_one('div.classA::text')（需配合cssutils或 lxml 后端，标准 bs4 不支持::text） - 别用
.string——它只在标签内**只有纯文本且无子标签**时才返回值，否则是None
n8n 的 HTML 节点怎么配才不丢数据
当流程中已有 HTTP 请求节点返回 HTML，下一步用 HTML 节点提取时，常见失败不是选择器错，而是上下文没对准：
- 确保上游节点输出的 JSON 里，HTML 内容确实在你填的
JSON 属性字段下，比如 HTTP 节点默认存进body，那就填body；如果用了Response Format设为File，那实际是二进制，HTML 节点会报错 - CSS 选择器填
.price却提取不到？检查是否页面用了 Shadow DOM 或动态加载——n8n HTML 节点解析的是静态 HTML 字符串，不执行 JS；此时得先用 Puppeteer 或 Browser Automation 节点渲染完再传给 HTML 节点 - 想提取多个同类项（如全部商品名），必须勾选
返回数组，否则只取第一个匹配项；同时键(Key)填的字段名会成为输出 JSON 的 key，比如填titles，结果就是{"titles": ["iPhone 15", "Samsung S24"]} - 提取属性值（如
@#@#@#@#@#@#@#@#@#@0的链接）时，返回值选Attribute，并在下方填href，不是@href或attr.href
为什么 XPath 比 CSS 选择器更适合多变结构
当你面对不同网站、同一字段却藏在完全不同的 HTML 路径里（比如运费有时在 <div class="price">，有时在 <code><span data-role="shipping"></span>），CSS 无法用单条规则覆盖：
- XPath 支持联合路径：
(//div[@class="price"] | //span[@data-role="shipping"])[1]，用|连接多个可能路径，[1]确保只取首个非空结果 - CSS 选择器只能写
.price, [data-role="shipping"]，但它会返回所有匹配项，无法控制“优先用哪个”，容易把错误结构的数据混进来 - 类名动态变化（如
css-abc123）时，XPath 可用contains(@class, "price")，而 CSS 的[class*="price"]在部分解析器（如 jsdom）里不生效 - 注意：n8n HTML 节点**不支持 XPath**，只认 CSS；要用 XPath 得切到 Code 或 Function 节点，配合
lxml或cheerio
真正难的不是写对一条选择器，而是预判 HTML 结构会不会变、JS 会不会改写 DOM、编码会不会乱、空格换行要不要保留——这些细节不提前对齐，跑一次就失效。
