从缺乏 API 的传统系统中提取数据通常涉及直接访问数据库、解析文件或自动化用户界面。第一步是确定数据所在位置——无论是在关系型数据库、平面文件还是专有存储格式中。对于数据库驱动的系统，如果凭据和权限可用，可以使用 ODBC/JDBC 连接器直接执行 SQL 查询。例如，使用 Python 的 cx_Oracle 库连接旧的 Oracle 数据库，开发者可以运行 SELECT 语句并将结果导出为 CSV 或 JSON。如果数据库模式未文档化，则需要通过反复试验或使用数据库内省工具来逆向工程表之间的关系。
当直接访问数据库不可行时，基于文件的提取是一种常见的备选方案。许多传统系统以固定宽度、CSV 甚至专有二进制格式导出报告或数据转储。开发者可以使用 Python 或 Perl 等语言编写脚本来解析这些文件。例如，一个 COBOL 系统可能生成固定宽度的夜间事务日志，Python 脚本可以使用 struct 模块对其进行解码。日志文件或打印假脱机输出（例如 PRN 文件）也是可行的来源，尽管解析它们可能需要使用正则表达式模式来隔离相关数据。如果文件已加密或使用过时编码（例如 EBCDIC），则需要额外的转换步骤。
对于只能通过用户界面访问数据的系统，需要进行屏幕抓取或终端仿真。Selenium 或 AutoIt 等工具可以自动化导航绿色屏幕界面（在大型机中常见），并从特定屏幕坐标中提取文本。例如，一个旧的库存系统可能需要模拟按键来导航菜单，并使用 AutoHotkey 抓取表格数据。另外，像用于 IBM 大型机的 TN3270 等终端仿真器可以捕获屏幕输出并以编程方式解析。这种方法很脆弱，因为用户界面更改可能会破坏脚本，但这通常是封闭系统的唯一选择。在所有情况下，数据验证和错误处理对于确保准确性至关重要，尤其是在处理不一致的传统数据格式时。