阅读量:0
大家好，我是程序员鱼皮。
世风日下，人心不古。我们的程序员面试刷题网站 《面试鸭》 才刚刚上线了一个多月，就由于过于火爆，被不少同行和小人发起网络攻击。
而且因为我们已经有 4500 多道人工整理的企业高频面试题、100 多个各方向的面试题库、大厂面试官原创的优质题解，所以也招来了不少爬虫。
网站有爬虫是很正常的一件事，说明 “攻击者” 对我们网站内容的认可，而且自己学习用的话偷偷爬一爬咱也能理解。前提是别影响咱系统的正常运行、别被我们的监控系统发现。
我们确实发现了部分离谱的用户，不到一个小时就把我们几千道题看完了？你特么量子波动速读啊？！
上面这些其实都还好，系统自动就给封号了。但最近我们接到正义的用户反馈，最近有几只程序员博主公开 直播教别人 怎么爬我们的面试鸭网站，这属实是有点过分了吧？
有点儿法律常识的程序员应该都知道，爬虫是有法律风险的行为，可能会涉及到侵犯版权、违反网站的使用条款、侵犯隐私。而且如果请求频率过高，对系统造成了压力，还可能涉及到计算机系统破坏、违反计算机滥用法的法律风险！
所以才有了下面这个表情包：
在未经原站长授权的情况下，教别人去爬取别人的网站，这性质就更不一样了，而且还是直播去教，生怕别人不知道你是谁么？ 可邢，太可邢了！
而且最让我生气的是，有些博主教爬虫都不教明白，教爬虫的第一课必然要先让大家了解 爬虫的法律合规性和法律风险 。应该告诉大家相关法律法规、遵守网站的使用协议和版权问题、遵守网站的 robots.txt 文件、确保爬取行为不侵犯他人的知识产权等等，而不是在诱导大家去爬取他人的网站。
这里鱼皮给大家列举下爬虫前的注意事项：
1）遵守网站的使用条款：仔细阅读网站的使用条款和服务协议，确定是否允许抓取和数据使用。有些网站可能明确禁止抓取或设定了抓取的条件，违反这些条款可能会导致法律问题。
2）遵守 robots.txt 文件：这个文件表示了网站对爬虫抓取的规则，某些页面如果明确标注了禁止抓取，建议不要下手。
比如我们面试鸭的 robots.txt 文件，第一行就是先禁用所有的爬虫，然后再给搜索引擎开放一些抓取。
3）不要抓取付费内容：一般付费内容都是申请了版权 / 著作权的，未经授权的抓取和传播可能涉及侵犯版权、会导致实际的赔偿。而且一般付费内容都是仅付费用户才能查看的，付费用户往往更好追溯到源头，千万别侥幸地以为别人查不到你！
4）控制好爬虫的频率：前面也提到了，如果你的爬虫请求频率过高，影响了网站的正常运行，那么性质就变成 “网络攻击” 了，后果往往更严重。而且一般情况下，网站都有反爬虫的防护措施，请求频率过高要么给你限流、要么直接封 IP、封账号，千万别以为是开玩笑。
总之，技术本身是无罪的，但用不好是真的会进局子的！大家直接在 面试鸭网站 或小程序上就能搜题、看题了，也没必要再专门用爬虫把题目搞下来了~
当然，如果大家要学爬虫的话，也许之后鱼皮可以出个项目。。。哈哈，有空再搞！
