一文告诉你，爬虫技术到底违不违法，怎么用才合法?
off999 2024-12-15 16:04 20 浏览 0 评论
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。最后总结一下，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。
相关推荐
- 让 Python 代码飙升330倍:从入门到精通的四种性能优化实践
-
花下猫语：性能优化是每个程序员的必修课，但你是否想过，除了更换算法，还有哪些“大招”？这篇文章堪称典范，它将一个普通的函数，通过四套组合拳，硬生生把性能提升了330倍！作者不仅展示了“术”，更传授...
- 7 段不到 50 行的 Python 脚本，解决 7 个真实麻烦:代码、场景与可复制
-
“本文整理自开发者AbdurRahman在Stackademic的真实记录，所有代码均经过最小化删减，确保在50行内即可运行。每段脚本都对应一个日常场景，拿来即用，无需额外依赖。一、在朋...
- Python3.14:终于摆脱了GIL的限制
-
前言Python中最遭人诟病的设计之一就是GIL。GIL（全局解释器锁）是CPython的一个互斥锁，确保任何时刻只有一个线程可以执行Python字节码，这样可以避免多个线程同时操作内部数据结...
- Python Web开发实战:3小时从零搭建个人博客
-
一、为什么选Python做Web开发？Python在Web领域的优势很突出：o开发快：Django、Flask这些框架把常用功能都封装好了，不用重复写代码，能快速把想法变成能用的产品o需求多：行业...
- 图解Python编程:从入门到精通系列教程(附全套速查表)
-
引言本系列教程展开讲解Python编程语言，Python是一门开源免费、通用型的脚本编程语言，它上手简单，功能强大，它也是互联网最热门的编程语言之一。Python生态丰富，库（模块）极其丰富，这使...
- Python 并发编程实战:从基础到实战应用
-
并发编程是提升Python程序效率的关键技能，尤其在处理多任务场景时作用显著。本文将系统介绍Python中主流的并发实现方式，帮助你根据场景选择最优方案。一、多线程编程（threading）核...
- 吴恩达亲自授课，适合初学者的Python编程课程上线
-
吴恩达教授开新课了，还是亲自授课！今天，人工智能著名学者、斯坦福大学教授吴恩达在社交平台X上发帖介绍了一门新课程——AIPythonforBeginners，旨在从头开始讲授Python...
- Python GUI 编程:tkinter 初学者入门指南——Ttk 小部件
-
在本文中，将介绍Tkinter.ttk主题小部件，是常规Tkinter小部件的升级版本。Tkinter有两种小部件：经典小部件、主题小部件。Tkinter于1991年推出了经典小部件，...
- Python turtle模块编程实践教程
-
一、模块概述与核心概念1.1turtle模块简介定义：turtle是Python标准库中的2D绘图模块，基于Logo语言的海龟绘图理念实现。核心原理：坐标系系统：原点(0,0)位于画布中心X轴：向右...
- Python 中的asyncio 编程入门示例-1
-
Python的asyncio库是用于编写并发代码的，它使用async/await语法。它为编写异步程序提供了基础，通过非阻塞调用高效处理I/O密集型操作，适用于涉及网络连接、文件I/O...
- 30天学会Python，开启编程新世界
-
在当今这个数字化无处不在的时代，Python凭借其精炼的语法架构、卓越的性能以及多元化的应用领域，稳坐编程语言排行榜的前列。无论是投身于数据分析、人工智能的探索，还是Web开发的构建，亦或是自动化办公...
- Python基础知识(IO编程)
-
1.文件读写读写文件是Python语言最常见的IO操作。通过数据盘读写文件的功能都是由操作系统提供的，读写文件就是请求操作系统打开一个文件对象（通常称为文件描述符），然后，通过操作系统提供的接口从这个...
- Python零基础到精通，这8个入门技巧让你少走弯路，7天速通编程!
-
Python学习就像玩积木，从最基础的块开始，一步步搭建出复杂的作品。我记得刚开始学Python时也是一头雾水，走了不少弯路。现在回头看，其实掌握几个核心概念，就能快速入门这门编程语言。来聊聊怎么用最...
- 一文带你了解Python Socket 编程
-
大家好，我是皮皮。前言Socket又称为套接字，它是所有网络通信的基础。网络通信其实就是进程间的通信，Socket主要是使用IP地址，协议，端口号来标识一个进程。端口号的范围为0~65535(用户端口...
- Python-面向对象编程入门
-
面向对象编程是一种非常流行的编程范式（programmingparadigm），所谓编程范式就是程序设计的方法论，简单的说就是程序员对程序的认知和理解以及他们编写代码的方式。类和对象面向对象编程：把...
欢迎 你 发表评论:
- 一周热门
- 最近发表
- 标签列表
-
- python计时 (73)
- python安装路径 (56)
- python类型转换 (93)
- python进度条 (67)
- python吧 (67)
- python的for循环 (65)
- python格式化字符串 (61)
- python静态方法 (57)
- python列表切片 (59)
- python面向对象编程 (60)
- python 代码加密 (65)
- python串口编程 (77)
- python封装 (57)
- python写入txt (66)
- python读取文件夹下所有文件 (59)
- python操作mysql数据库 (66)
- python获取列表的长度 (64)
- python接口 (63)
- python调用函数 (57)
- python多态 (60)
- python匿名函数 (59)
- python打印九九乘法表 (65)
- python赋值 (62)
- python异常 (69)
- python元祖 (57)