程序人生 - 一文告诉你，爬虫技术到底违不违法，怎么用才合法？

Posted 2021-09-30 程序员牧码

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。