如何用Python BeautifulSoup(BS4)提取无标准标签包裹的HREF

你的目标HTML存在格式不规范问题（包含href的标签写法错误），但BeautifulSoup依然能解析它的属性。可以通过以下步骤提取第一个href对应的URL：

1. 先获取目标item标签集合（你已完成这一步）：

items = soup.find_all('item', class_="sale-item")

2. 取第一个item标签：

if items:
    first_item = items[0]

3. 在这个item标签下，查找任意带有href属性的子元素（无需在意标签名，适配不规范的HTML场景）：

target_element = first_item.find(attrs={"href": True})

4. 提取href属性值：

if target_element:
    url = target_element.get('href')
    print(url)  # 输出: http://www.assus.com/12165456ALPHA.html

简化写法 #

若能确保目标元素存在，可合并为一行代码：

url = soup.find('item', class_="sale-item").find(attrs={"href": True}).get('href')

核心逻辑是find(attrs={"href": True})会匹配所有包含href属性的元素，完全适配这种标签写法不规范的特殊场景。

内容的提问来源于stack exchange，提问作者walksonair