解决BeautifulSoup无法提取text1中含‘View Sport’的a标签href问题

需要提取text1和text2中，包含文本“View Sport”的<span>所在<a>标签的href属性值，目标URL分别为https://sports.atlas.com/rugby（来自text1）和https://sport.atlas/football（来自text2）。现有代码可提取text2的URL，但无法提取text1的。

1. HTML结构错误：text1中的<span>标签未正确闭合（代码中写为<span>View Sport<span>，缺少闭合的</span>），导致BeautifulSoup解析时DOM结构错乱，原选择器无法匹配到目标元素。
2. 选择器局限性：原选择器a > span要求<span>是<a>的直接子元素，一旦解析后的结构不符合该层级关系，就会匹配失败。
3. 变量未定义：原代码中soup = BeautifulSoup(text, 'html.parser')里的text变量未定义，需替换为text1或text2才能分别处理对应文本。

1. 修复HTML结构 #

先预处理text1，补全未闭合的<span>标签：

text1 = text1.replace("<span>View Sport<span>", "<span>View Sport</span>")

2. 改用更鲁棒的元素查找逻辑 #

放弃严格的直接子元素选择器，改为查找包含目标文本的<span>，再定位其父<a>标签：

from bs4 import BeautifulSoup
import re

# 处理text1
text1 = text1.replace("<span>View Sport<span>", "<span>View Sport</span>")
soup1 = BeautifulSoup(text1, 'html.parser')
target_span1 = soup1.find("span", string=re.compile(r"\s*View Sport\s*"))
if target_span1 and target_span1.parent.name == "a":
    print(target_span1.parent["href"])  # 输出：https://sports.atlas.com/rugby

# 处理text2
soup2 = BeautifulSoup(text2, 'html.parser')
target_span2 = soup2.find("span", string=re.compile(r"\s*View Sport\s*"))
if target_span2 and target_span2.parent.name == "a":
    print(target_span2.parent["href"])  # 输出：https://sport.atlas/football

3. 优化匹配逻辑（可选） #

如果文本中存在多余的空格、换行，正则表达式中加入\s*可以忽略这些空白字符，提升匹配成功率。

内容的提问来源于stack exchange，提问作者Ben David