我经常需要从缺乏良好，组织良好的API的Web界面中提取数据。作为一个玩具示例，请考虑J! Archive，一系列危险问题。
正确的游戏ID如下所示：
http://www.j-archive.com/showgame.php?game_id=2485
而不完整的游戏看起来像：
http://www.j-archive.com/showgame.php?game_id=1032
如果我想提取问题，我会查看DOM并查找感兴趣的标记元素，例如：
<td class="clue">
...
<td class="clue_value">$200</td>
<td class="clue_order_number"><a href="suggestcorrection.php?clue_id=131201" title="Suggest a correction for this clue" rel="nofollow">22</a></td>
绝大多数游戏都是＃34;正确的游戏＆＃34;，因为返回的页面具有相同的DOM结构。 在这个特殊情况中，很明显我可以搜索某些特定的类，但是先验我不知道在哪里看。 有没有办法以编程方式确定这个DOM结构，这个结构对于一个大的子集来说是最常见的，所以我可以很容易地找到底层html中的真实数据？