近几年来,因为开发者使用爬虫技术锒铛入狱的案例越来越多。
2015年,某公司授意五名程序员,利用网络爬虫获取一公司服务器的公交车行驶信息、到站信息等数据。这五名程序员需承担连带责任。
2019年,某公司主管人员张某、宋某、侯某和郭某,利用爬虫技术,非法爬取北京字节跳动服务器存储中的视频数据,被告人依法被判处有期徒刑9-10个月,并处罚金。
越来越多的案件,让开发者越发不安,爬虫也违法?公司要让我爬取数据,爬是不爬?爬吧?违法,不爬吧,也不好。
不仅仅是开发者,公司使用爬虫技术,也存在很多风险。
2012年,360搜索爬取百度旗下等多个网站内容,最终被裁定赔偿百度70万元;
2017年,秀淘非法抓取今日头条内容,被告被判九个月至一年不等的有期徒刑,并处罚金。
公司使用爬虫技术,怎么规避风险?也成了一个大难题。
仔细研究爬虫相关案例,我们不难总结出,如何合法的使用爬虫技术,规避风险。
遵守Robots协议
Robots是网站和爬虫之间的君子协议,当网站拒绝爬虫访问,爬取数据时,可以在根目录下存放robots.txt文件,告诉爬虫不能爬取网站全部或部分指定内容。
只要Robots中的内容,爬虫都不允许访问。360搜索爬取百度内容一案中,就是因为360违反Robots协议,最终才判赔70万元。
但是,网站没有该协议,不意味着能随意爬取数据,也有可能违法。
爬虫行为
开发者使用爬虫技术,如果请求频率过高,接近DDoS攻击的频率,一旦造成目标服务器瘫痪,这个就不是爬虫行为,而是黑客行为,必定要承担相应的责任。
反爬措施
如果目标网站已使用BotGuard爬虫管理等云产品,来控制和管理爬虫,或者使用了一些措施反爬,或者正常用户不能到达的页面。如果开发者强行突破以上这些措施,同样会被界定为黑客行为。
爬取内容
爬取的内容是一条高压线,绝对不能触碰。包括但不限于:
1.爬取用户信息谋利
2018年,新三板挂牌公司北京瑞智华胜科技股份有限公司,使用爬虫非法窃取用户个人信息30亿条,该公司及其关联公司6名犯罪嫌疑人被控制。
用户个人信息属于敏感信息,近几年打击力度越来越大,严禁使用爬虫爬取这些信息。
2.爬取商业数据
2018年,武汉元光科技有限公司法定代表人授意四名员工,非法爬取竞争对手数据,被判赔50万元。
很多公司为了获得竞争优势,会使用爬虫技术,爬取竞争对手的内容,但这一手段会构成不正当竞争。
3.爬取知识产权数据
爬取大量带有知识产权的数据,并且用于商业目的,属于违法行为。
不难看出,爬虫技术本身并不违法,关键在于使用的方式和目的。
最后总结
爬虫爬数据有几个雷区:
一是只能爬取公开数据,
二是不能对目标业务和网站造成影响,
三是目标网站的全部或部分内容没有使用反爬措施。
如果你对Python感兴趣,想要学习python,这里给大家分享一份Python全套学习资料,都是我自己学习时整理的,希望可以帮到你,一起加油!
😝有需要的小伙伴,可以V扫描下方二维码免费领取🆓
1️⃣零基础入门
① 学习路线
对于从来没有接触过Python的同学,我们帮你准备了详细的学习成长路线图。可以说是最科学最系统的学习路线,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
② 路线对应学习视频
还有很多适合0基础入门的学习视频,有了这些视频,轻轻松松上手Python~
③练习题
每节视频课后,都有对应的练习题哦,可以检验学习成果哈哈!
2️⃣国内外Python书籍、文档
① 文档和书籍资料
3️⃣Python工具包+项目源码合集
①Python工具包
学习Python常用的开发软件都在这里了!每个都有详细的安装教程,保证你可以安装成功哦!
②Python实战案例
光学理论是没用的,要学会跟着一起敲代码,动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。100+实战案例源码等你来拿!
③Python小游戏源码
如果觉得上面的实战案例有点枯燥,可以试试自己用Python编写小游戏,让你的学习过程中增添一点趣味!
4️⃣Python面试题
我们学会了Python之后,有了技能就可以出去找工作啦!下面这些面试题是都来自阿里、腾讯、字节等一线互联网大厂,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。
上述所有资料 ⚡️ ,朋友们如果有需要的,可以扫描下方👇👇👇二维码免费领取🆓