无标识符时如何用Beautiful Soup爬取Datev数据库输出网站数据

• 是否必须依赖标识符才能爬取？
  完全不需要。class、name、id这类标识符只是简化爬取的工具，Beautiful Soup支持通过HTML结构层级、标签类型、文本特征、属性存在性等多种方式定位元素，没有标识符照样能完成爬取。

• 当前HTML结构能否实现爬取？
  只要页面的HTML结构是固定的，就可以实现爬取。你提到的现有结构足够支撑提取操作，关键是利用好标签和属性的规律。

• <P>和href能否作为识别依据？
  当然可以。

  • <P>是HTML段落标签，你可以直接通过标签名定位，比如用soup.find_all('p')获取所有段落，再筛选包含大写隐私数据的内容；
  • href是链接标签的属性，你可以通过soup.find_all('a', href=True)定位所有带链接的元素，再提取其中的文本或链接值——如果隐私数据藏在这里，就能精准抓取。

内容的提问来源于stack exchange，提问作者Nikolas