get_text()需逐个调用或用列表推导式；scrapy中用::text配合getall()提取直接文本节点；xpath用|联合路径并加[1]取首个匹配；innertext受样式影响，textcontent更稳定。
用 get_text() 一次性提取多个节点的纯文本
如果你已用 BeautifulSoup 定位到一组元素（比如 soup.find_all("p")），直接对结果列表调用 get_text() 会报错——因为那是单个 Tag 对象的方法。必须逐个调用，或用列表推导式聚合。
常见错误是写成：all_ps.get_text()（all_ps 是 ResultSet，没有该方法）；正确做法是：
- 用
[p.get_text(strip=True) for p in soup.find_all("p")]得到字符串列表 - 若需拼成一个长文本，加
separator="\n"控制换行："\n".join(p.get_text(strip=True) for p in soup.find_all("p")) -
strip=True很关键：它自动去掉每个文本首尾空白，避免空行或缩进干扰
用 ::text 在 Scrapy 中提取多个直接文本节点
当目标文本是父元素的“裸文本”（即未被子标签包裹，如 <div>Price: $29<span>In stock</span>
</div> 中的 Price: $29），仅靠 css("div::text").get() 可能只返回第一个匹配项，且遇到多个文本节点时容易漏掉。
此时应改用 .getall()：
-
response.css("div::text").getall()返回所有直接子文本节点组成的列表 - 结果可能是
["Price: $29", "In stock"]，注意第二个其实是<span></span>的文本，不属于父<div> 的直接文本——这说明 HTML 结构理解错了，得加更精确的定位（比如 <code>div:not(:has(span))::text或先过滤） - 真正要提取“Price: $29”，推荐组合：
response.css("div").re_first(r"Price:\s*\$(\d+)")，绕过 DOM 层级问题 -
[1]必须放在整个括号外，否则是“每条路径各取第一个”，不是“全部结果中取第一个” - 如果页面中两类结构都存在，且你只要第一个出现的值（比如优先取 price，没找到再取 fee），这个写法刚好满足
- 但注意：
text()不会合并兄弟文本节点，若一个<p>Hello <em>world</em>!\n</p>，//p/text()只返回["Hello ", "!\n"]，中间的world属于<em></em>子树，不会被包含 -
element.innerText是渲染后可见文本：会忽略display: none、visibility: hidden元素的内容，还会按 CSS 换行、空格规则折叠空白 -
element.textContent是原始 DOM 文本：包括注释、隐藏元素内容、所有空白字符，且不关心样式 - 批量提取时若依赖
innerText，同一份 HTML 在不同浏览器或不同渲染状态下可能返回不同结果；而textContent稳定可预期，更适合自动化解析
用 XPath text() 轴配合 | 提取多路径下的首个文本
当目标文本可能分散在不同结构中（如运费出现在 <div class="price"> 或 <code><span class="fee"></span>），又想用一条表达式覆盖，就得用 XPath 联合选择。
典型写法：(//div[@class="price"]/text() | //span[@class="fee"]/text())[1]
为什么 innerText 和 textContent 行为不一致
在浏览器环境里，JavaScript 的 innerText 和 textContent 都能从元素中提取文本，但语义差异极大，直接影响多节点遍历结果。
真正难处理的，是那些既没被标签包裹、又混在一堆 SVG/图标/表单控件之间的文本——它们不会出现在 textContent 的“干净路径”里，必须手动遍历 childNodes 并判断 nodeType 才能捞出来。
