写了篇爬虫文章，收到律师函，怎么办

Posted 2021-08-31 AI科技大本营

大家好，我是早起。

从写公众号开始，不论是私信还是交流群，常常都会有粉丝会问出类似下面的问题

• xx网站能不能爬？

• 爬xx数据有没有风险？

其实我并不是爬虫从业人员，充其量算爬虫爱好者，去年也转载过一篇相对理性的文章《请不要污名化爬虫！》，今年初还因为在公众号分享某网站的反爬破解收到了律师函，算是在作死的边缘徘徊了一波

今天就简单聊一下爬虫那些事儿。

当我们谈论爬虫

在这里，其实我想吐槽一下，对于大多数非爬虫从业者或者说大部分 Python 爱好者来说，我们写的“爬虫”和大家谈论的爬虫并不是一个东西。

因为基本上也就requests.get或者selenium折腾几下，就算你加个请求头、cookies什么的拿到数据，对方网站也有n种方式识别出来你，同时也不会涉及复杂的反爬、逆向、验证码处理、分布式、爬虫调度等技术，这样的程序在我看来根本算不上爬虫，顶多算是频率高点的模拟请求。

所以保持对爬虫的敬畏之心是好的，但requests或者selenium捣鼓两下，返回了一点数据分析一下，这样的程序和我要讨论的不是同一个爬虫，你随意折腾，一般情况下对方网站懒得理你，也不会有什么法律风险，但也要注意以下几点。

robots协议

其次要说的就是robots协议，相信如果对爬虫有进一步研究的读者都会知道，每个网站都有robots协议这么个玩意，且有些非技术类自媒体常说一定要遵守robots协议之类的文字！

但正如本文开头提到的文章所说，这个协议是一个君子协议，换句话说不论这个网站实际上是否允许你爬，在robots协议上都会限制你爬！

拿很多教程用来讲解Python爬虫入门的 「豆瓣250」 来说，查看豆瓣的robots协议如下

可以看到也是禁止了所有的请求头User-agent: *以及大部分路径下的页面，其中就包括搜索电影信息的Disallow: /search，如果完全遵循该协议，基本什么都玩不了。

其实不仅是robots协议，大部分网站基本上都会在用户服务协议上限制你使用任何爬虫，例如养活了很多技术博主的某团和某点评，在服务条款上就给出了明确的说明

但之所以基本见不到类似的案件主要就像前文所述，大部分人的爬虫程序都是小打小闹，人家懒得理你，但要知道对方是保留了起诉你的权利。

所以对于robots协议，我们应该是带着尊重进行谨慎合理的数据爬取。

数据

为什么说「涉及数据要小心」？因为大部分爬虫把自己爬进去了的案例都是在数据上翻车，不是用来盈利就是涉及隐私数据。

1. 别拿来搞钱

首先要申明的也是最重要的一点 「你爬人家数据想干嘛」，爬点公开数据自己玩一下基本是没有问题的，但若你把人家数据爬下来出售/盈利是绝对不行的。

打个比方说你爬美团数据做了个丑团来竞争，爬大众点评数据做个了付费的小众点评来出售等这都是不可以的，换句话说这和爬虫程序本身没关系，而是你非法使用对方的数据，目前因为爬虫喜提牢饭的案件也或多或少和盈利性活动有关

所以要明白就算你爬下来到本地的数据也是别人的，千万不要用于任何盈利活动！

2. 隐私数据别碰

其次关于数据还有一点需要注意的是，我们都知道公开的数据大部分可以采集，但如果数据涉及到隐私，尤其是公民信息相关数据，如第二小节里面的文章提到的手机号、身份证、公积金社保等数据，千万不要碰。

就算是公开的数据，也尽量不要使用爬虫程序来大批量、无限制的获取，不然小日子会越来越有判头。至于非公开数据，例如

• 后台数据

• 需要一定权限才能获得的数据

• 付费后才能获得的数据

这类明面上都不让你拿的数据，更别说用爬虫手段获取了。

克制

克制，意思就是当对方网站识别出来你的爬虫行为，例如一些非常规的反爬措施，或者因为较高频率的请求而ban掉你的ip等情况时，我们就需要有所克制，例如合理的绕过反爬、降低请求速度等，尤其注意不要对对方的正常业务造成影响。

并且这个 「正常业务」是否受到影响的解释权完全在对方网站，就算你1秒请求1次，理论上他也能告你影响其正常业务开展。

其次要克制的就是在成功对某网站成功进行了反爬/逆向等操作后，不要太得瑟，不要指名道姓的说出对方网站，就像我一样，仅仅发了篇反爬绕过讲解文章，就光速收到律师函（发文后第二天），当我问到「为什么那么多人发，就给我发律师函」，对方表示看到你就要处理你

结果就像前面说的，对方有多种方式来告你，更别说反爬绕过了，我只能配合删除相关文章。

所以在反爬、频率控制等操作上，一定要克制+谨慎，尤其注意在分享反爬技术上不要太明目张胆，一个好的做法是自己复制一个类似的案例网站（可惜我不会），然后就可以为所欲为的进行技术拆解。

补充

需要额外注意的是，如果是基于别人的需求去开发爬虫程序，比如帮别人写个爬虫程序赚点零花钱、完成boss的任务等，就需要明确需求本身是否有侵权行为，以及需求方基于你的爬虫程序是否用于侵权活动。

例如老板让你用爬虫爬点某网站公开评论数据，然后简单分析下数据写个报告，我认为这是不会有太大风险的，而如果是让你爬取某付费数据或爬数据用于自己公司的商业行为，那完全可以拒绝并拉黑，员工被老板坑的案例实在太多了，希望大家在遇到此种情况下可以正确判断。

小结

以上仅是从我一个非爬虫从业人员角度的一些看法，其实核心就是爬虫无罪，大多数翻车的案例与爬虫本质上没有太大关系，在写爬虫程序时需要保持尊重、谨慎的心态，尊重对方网站的反爬、数据，谨慎、合理去写代码。同时爬虫的水很深，要学的知识很多，绝对不只是 requests 请求两下就算爬虫，基本上涉及到计算、编程开发的方方面面，希望大家可以一起学习、进步。