如何从BeautifulSoup的Tag对象中提取首个a标签的href链接

近期使用BeautifulSoup与re库做网页爬取，目标是提取页面中运动员的个人资料页链接：

• 页面内容已经处理为<class 'bs4.element.ResultSet'>类型结果集，包含运动员姓名、对应个人资料页链接
• 用for循环遍历结果集输出单个运动员信息时，每次迭代的元素类型为<class 'bs4.element.Tag'>

单个元素的示例结构如下：

</span>, <span class="txt-blue">
<a href="https://www.eliteprospects.com/player/70215/riley-nash">Riley Nash (F)</a>
              <a href="https://www.eliteprospects.com/league/wjc-18-w/team-captaincy/2021-2022">“A”</a>

需要仅提取第一个球员个人页链接https://www.eliteprospects.com/player/70215/riley-nash，排除第二个队长标识相关的链接。

之前尝试过的无效方案包括：

• 以<a href=为起始标识、首次出现的>为结束标识，截取中间内容
• 按“首个链接在第3和第4个引号之间”的规律定位字符串
• 正则直接匹配、将Tag类型转为str类型处理，均未拿到正确结果

优先使用第一种BS原生方法，不需要做类型转换，对页面结构变动的容错率最高

方案1：BeautifulSoup原生标签选择 #

直接调用BS内置的选择器，定位特征最明确的球员链接即可，完全避开第二个无关链接：

# 遍历ResultSet时，当前处理的单个Tag对象命名为item
# 方法1：直接取txt-blue类span下的第一个a标签
first_a = item.select_one('span.txt-blue a')
if first_a:
    player_url = first_a.get('href')

# 方法2：加路径特征过滤，100%不会抓到非球员链接，适配页面结构微调场景
player_a = item.find('a', href=re.compile(r'/player/\d+'))
if player_a:
    player_url = player_a['href']

方案2：正则匹配方案 #

如果需要转字符串用正则处理，不要硬数引号、找标签起止位置，直接匹配带/player/路径特征的链接即可：

item_str = str(item)
match_res = re.search(r'href="(https://[^"]*?/player/\d+/[^"]+)"', item_str)
if match_res:
    player_url = match_res.group(1)

之前字符串截取、数引号方案失效的核心原因是页面缩进、属性顺序变动时，字符位置会发生偏移，硬编码位置的逻辑容错率极低，只要页面多一个空格、多一个属性就会匹配失败。

内容的提问来源于stack exchange，提问作者Blackwidow