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 25 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
- 阿里云国际站ECS:阿里云ECS如何提高网站的访问速度?
-
TG：@yunlaoda360引言：速度即体验，速度即业务在当今数字化的世界中，网站的访问速度已成为决定用户体验、用户留存乃至业务转化率的关键因素。页面加载每延迟一秒，都可能导致用户流失和收入损失。对...
- 高流量大并发Linux TCP性能调优_linux 高并发网络编程
-
其实主要是手里面的跑openvpn服务器。因为并没有明文禁p2p（哎……想想那么多流量好像不跑点p2p也跑不完），所以造成有的时候如果有比较多人跑BT的话，会造成VPN速度急剧下降。本文所面对的情况为...
- 性能测试100集(12)性能指标资源使用率
-
在性能测试中，资源使用率是评估系统硬件效率的关键指标，主要包括以下四类：#性能测试##性能压测策略##软件测试#1.CPU使用率定义：CPU处理任务的时间占比，计算公式为1-空闲时间/总...
- Linux 服务器常见的性能调优_linux高性能服务端编程
-
一、Linux服务器性能调优第一步——先搞懂“看什么”很多人刚接触Linux性能调优时，总想着直接改配置，其实第一步该是“看清楚问题”。就像医生看病要先听诊，调优前得先知道服务器“哪里...
- Nginx性能优化实战:手把手教你提升10倍性能!
-
关注△mikechen△，十余年BAT架构经验倾囊相授！Nginx是大型架构而核心，下面我重点详解Nginx性能@mikechen文章来源：mikechen.cc1.worker_processe...
- 高并发场景下，Spring Cloud Gateway如何抗住百万QPS?
-
关注△mikechen△，十余年BAT架构经验倾囊相授！大家好，我是mikechen。高并发场景下网关作为流量的入口非常重要，下面我重点详解SpringCloudGateway如何抗住百万性能@m...
- Kubernetes 高并发处理实战(可落地案例 + 源码)
-
目标场景：对外提供HTTPAPI的微服务在短时间内收到大量请求（例如每秒数千至数万RPS），要求系统可弹性扩容、限流降级、缓存减压、稳定运行并能自动恢复。总体思路（多层防护）：边缘层：云LB...
- 高并发场景下，Nginx如何扛住千万级请求?
-
Nginx是大型架构的必备中间件，下面我重点详解Nginx如何实现高并发@mikechen文章来源：mikechen.cc事件驱动模型Nginx采用事件驱动模型，这是Nginx高并发性能的基石。传统...
- Spring Boot+Vue全栈开发实战，中文版高清PDF资源
-
SpringBoot+Vue全栈开发实战，中文高清PDF资源，需要的可以私我：）SpringBoot致力于简化开发配置并为企业级开发提供一系列非业务性功能，而Vue则采用数据驱动视图的方式将程序...
- Docker-基础操作_docker基础实战教程二
-
一、镜像1、从仓库获取镜像搜索镜像：dockersearchimage_name搜索结果过滤：是否官方:dockersearch--filter="is-offical=true...
- 你有空吗?跟我一起搭个服务器好不好?
-
来人人都是产品经理【起点学院】，BAT实战派产品总监手把手系统带你学产品、学运营。昨天闲的没事的时候，随手翻了翻写过的文章，发现一个很严重的问题。就是大多数时间我都在滔滔不绝的讲理论，却很少有涉及动手...
- 部署你自己的 SaaS_saas如何部署
-
部署你自己的VPNOpenVPN——功能齐全的开源VPN解决方案。（DigitalOcean教程）dockovpn.io—无状态OpenVPNdockerized服务器，不需要持久存储。...
- Docker Compose_dockercompose安装
-
DockerCompose概述DockerCompose是一个用来定义和管理多容器应用的工具，通过一个docker-compose.yml文件，用YAML格式描述服务、网络、卷等内容，...
- 京东T7架构师推出的电子版SpringBoot，从构建小系统到架构大系统
-
前言：Java的各种开发框架发展了很多年，影响了一代又一代的程序员，现在无论是程序员，还是架构师，使用这些开发框架都面临着两方面的挑战。一方面是要快速开发出系统，这就要求使用的开发框架尽量简单，无论...
- Kubernetes (k8s) 入门学习指南_k8s kubeproxy
-
Kubernetes(k8s)入门学习指南一、什么是Kubernetes？为什么需要它？Kubernetes(k8s)是一个开源的容器编排系统，用于自动化部署、扩展和管理容器化应用程序。它...
欢迎 你 发表评论:
- 一周热门
-
-
抖音上好看的小姐姐，Python给你都下载了
-
全网最简单易懂!495页Python漫画教程，高清PDF版免费下载
-
Python 3.14 的 UUIDv6/v7/v8 上新，别再用 uuid4 () 啦!
-
python入门到脱坑 输入与输出—str()函数
-
宝塔面板如何添加免费waf防火墙?（宝塔面板开启https）
-
Python三目运算基础与进阶_python三目运算符判断三个变量
-
(新版)Python 分布式爬虫与 JS 逆向进阶实战吾爱分享
-
慕ke 前端工程师2024「完整」
-
失业程序员复习python笔记——条件与循环
-
8÷2(2+2) 等于1还是16?国外网友为这道小学数学题吵疯了……
-
- 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)