百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术资源 > 正文

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 18 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

独家 | 5 个Python高级特性让你在不知不觉中成为Python高手

你已经使用Python编程了一段时间,编写脚本并解决各种问题。是你的水平出色吗?你可能只是在不知不觉中利用了Python的高级特性。从闭包(closure)到上下文管理器(contextmana...

Python装饰器

Python装饰器是一种用于修改函数或类的行为的特殊语法。它们允许在不修改原始代码的情况下,通过将函数或类作为参数传递给另一个函数来添加额外的功能。装饰器本质上是一个函数,它接受一个函数作为参数,并返...

中高阶Python常规用法--上下文管理器

Python以简单性和通用性著称,是一种深受全球开发人员喜爱的编程语言。它提供了大量的特性和功能,使编码成为一种愉快的体验。在这些功能中,一个经常被新手忽视的强大工具是上下文管理器。上下文管理器是高...

Python小案例67- 装饰器

Python装饰器是一种用于修改函数或类的行为的特殊语法。它们允许在不修改原始代码的情况下,通过将函数或类作为参数传递给另一个函数来添加额外的功能。装饰器本质上是一个函数,它接受一个函数作为参数,并返...

python常用的语法糖

概念Python的语法糖(SyntacticSugar)是指那些让代码更简洁、更易读的语法特性,它们本质上并不会增加新功能,但能让开发者更高效地编写代码。推导式写法推导式是Python最经典的...

python - 常用的装饰器 decorator 有哪些?

python编程中使用装饰器(decorator)工具,可以使代码更简洁清晰,提高代码的重用性,还可以为代码维护提供方便。对于python初学者来说,根据装饰器(decorator)的字面意思并不...

python数据缓存怎么搞 ?推荐一个三方包供你参考,非常简单好用。

1.数据缓存说明数据缓存可以说也是项目开发中比不可少的一个工具,像我们测试的系统中,你都会见到像Redis一样的数据缓存库。使用缓存数据库的好处不言而喻,那就是效率高,简单数据直接放在缓存中...

用于时间序列数据的Graphite监视工具

结合第三方工具,Graphite为IT性能监控提供了许多好处。本文介绍其核心组件,包括Carbon、Whisper以及安装的基本准则。Graphite监视工具可实时或按需,大规模地绘制来自多个来源的时...

Python3+pygame实现的坦克大战

一、显示效果二、代码1.说明几乎所有pygame游戏,基本都遵循一定的开发流程,大体如下:初始化pygame创建窗口while循环检测以及处理事件(鼠标点击、按键等)更新UI界面2.代码创建一个m...

Python之鸭子类型:一次搞懂with与上下文装饰器

引言在鸭子类型的理念的基础之上,从关注类型,转变到关注特性和行为。结合Python中的魔法函数的体系,我们可以将自定义的类型,像内置类型一样被使用。今天这篇文章中,接着该话题,继续聊一下with语法块...

Python必会的50个代码操作

学习Python时,掌握一些常用的程序操作非常重要。以下是50个Python必会的程序操作,主要包括基础语法、数据结构、函数和文件操作等。1.HelloWorldprint("Hello,...

一文掌握Python 中的同步和异步

同步代码(Sync)同步就像在一个流水线上工作,每个任务都等待前一个任务完成。示例:机器A切割钢板→完成后,机器B钻孔→完成后,机器C上色。在Python中,同步代码看起来像这样:im...

python 标注模块timeit: 测试函数的运行时间

在Python中,可以使用内置的timeit模块来测试函数的运行时间。timeit模块提供了一个简单的接口来测量小段代码的执行时间。以下是使用timeit测试函数运行时间的一般步骤:导入...

Python带你找回童年的万花尺

还记得小时候的万花尺吧?这么画:一点也不费脑筋,就可以出来这么多丰富多彩的复杂几何图形。具体而言,可以用万花尺玩具(如图2-1所示)来绘制数学曲线。这种玩具由两个不同尺寸的塑料齿轮组成,一大一小。小的...

Python 时间模块深度解析:从基础到高级的全面指南

直接上干货一、时间模块核心类介绍序号类名说明1datetime.datetime表示一个具体的日期和时间,结合了日期和时间的信息。2datetime.date表示一个具体的日期。3datetime.t...

取消回复欢迎 发表评论: