如何使用Python BeautifulSoup4单独提取HTML树中指定标签的内容与属性

你现有代码首先存在类名拼写错误：原HTML中h1的class属性为pr-new-br（中划线连接），你代码里写的是下划线连接的pr_new_br，需要先修正这个基础问题。

要分别提取三个目标内容，只需要定位到h1节点后，单独查找内部的a和span标签即可，可参考以下实现代码：

# 定位目标h1节点，select_one直接返回匹配到的第一个节点，写法更简洁
h1_node = soup.select_one("h1.pr-new-br")

# 提取a标签内文本，strip=True自动去除首尾多余空白
a_text = h1_node.find("a").get_text(strip=True)
# 提取a标签的href属性值
a_href = h1_node.find("a")["href"]
# 提取span标签内文本
span_text = h1_node.find("span").get_text(strip=True)

额外说明：

• 如果页面结构可能出现标签缺失的情况，可以先加节点存在性判断（如if h1_node:）再执行后续提取逻辑，避免抛出异常
• 如果需要保留文本首尾的空白，去掉get_text()的strip=True参数即可

内容的提问来源于stack exchange，提问作者byetisener