技术无罪

技术无罪，解析爬虫技术带给我们生活中哪些改变！

每到节假日，小采的朋友圈里总是会看到这样的照片，并且还配上一段“麻烦帮我点一下，，，之类语法可能会变语意永远相同的类似语句。”

每当这个时候我就知道陶子又要抢回家的火车票了。

不知何时，每年都有那么几天，小采的朋友陶子总会心情焦虑，坐立不安，按他的话来说：“去火车站抢票是永远不可能去的，也就只能靠着抢票软件维持生活了。”这两年他换了不止数款抢票软件，可以说是抢票行家了。

作为家中独子，我很能理解他的感受。

但作为一个有梦想的运营喵，我不禁对这种抢票软件产生了浓浓的兴趣。

这分明代表着——“话题！！！”

今天我们就从抢票软件开聊，谈谈爬虫技术带给我们生活中哪些改变！

众所周知，抢票软件的背后，藏着无数个叫做“爬虫”的小东西

喏，它们长这样:

等等，好像有点不对劲，应该是这样的爬虫：

网络爬虫（又被称为网页蜘蛛，网络机器人，在FOAF社区中间，更经常的称为网页追逐者），是一种按照一定的规则，自动地抓取万维网信息的程序或者脚本。另外一些不常使用的名字还有蚂蚁、自动索引、模拟程序或者蠕虫。

爬虫就像是一个探测机器，它的基本操作就是模拟人的行为去各个网站溜达，点点按钮，查查数据，或者把看到的信息背回来。就像一只虫子在互联网这栋四通八达的大楼里不知疲倦地爬来爬去。

现在我们的身边的网络处处都可见这些小可爱的影子，它们善恶不同，各怀心思，越是利益相关的地方，就越是布满了爬虫。

图片来源：云鼎实验室

在出行方面出行行业中爬虫的占比最高（20.87%）。在出行的爬虫中，有89.02%的流量都是冲着12306 去的。这不意外，全中国卖火车票的独此一家别无分号。

你还记得被这样的人脸验证码支配的恐惧吗？

像这种“神坑”的验证码并不是为了为难我们这些老实本分买票的人的，正相反，它研发的目的就是为了阻止爬虫（也就是抢票软件）的点击。上面说过，爬虫是一个死板的东西，它只会简单的机械点击，它不认识白百何，所以很大一部分爬虫就被挡在了门外。

但是“道高一尺魔高一丈”，光凭这样吸纳然是无法阻挡爬虫的脚步的，现在市面上盛行的各类抢票软件就是明证！

有一种东西叫做“打码平台”，你可以了解一下。

打码平台雇佣了很多叔叔阿姨，他们在电脑屏幕前不做别的事情，专门帮人识别验证码。那边抢票软件遇到了验证码，系统就会自动把这些验证码传到叔叔阿姨面前，他们手工选好哪个是白百何哪个是王珞丹，然后再把结果传回去。总共的过程用不了几秒时间。

当然，这样的打码平台还有记忆功能。如果叔叔阿姨已经标记了这张图是“锅铲”，那么下次这张图片再出现的时候，系统就直接判断它是“锅铲”。时间一长，12306 系统里的图片就被标记完了，机器自己都能认识，叔叔阿姨都可以坐在一边斗地主了。

“12306”为什么不做措施防止采集呢？你可能会问。

你知道每年过年之前，12306 被点成什么样了吗？公开数据是这么说的：“最高峰时1天内页面浏览量达813.4亿次，1小时最高点击量59.3亿次，平均每秒164.8万次。”这还是加上验证码防护之后的数据。可想而知被拦截在外面的爬虫还有多少。

总结：所以不是不想防，而是防不胜防啊！，真是个悲伤的故事！

说完出行难，我们再来谈谈社交吧。

上图是爬虫经常光顾的微博地址。

这里的代码其实指向了微博的一个接口。它可以用来获取某个人的微博列表、微博的状态、索引等等等等。

获得这些，能搞出什么骚操作呢？

“僵尸粉”的上班流程了解一下——你想想看，如果我能随心所欲地指挥一帮机器人，打开某人的微博，然后刷到某一条，然后疯狂关注、点赞或者留言，这不就是标准的僵尸粉上班儿的流程么。。。

更甚者，还可以利用这套流程发家致富：

1、我是一个路人甲，我的微博没人关注，我用大量的爬虫，给自己做了十万人的僵尸粉，一群僵尸在我的微博下面点赞评论，不亦乐乎。

2、我去找一个app开发公司，跟他说：你看我有这么多粉丝，你在我这投广告吧。我帮你发一条app的注册链接，每有一个人通过我的链接注册了游戏，你就给我一毛钱。广告主说，不错，就这么办。

3、我发出注册链接，然后没人点。。。

4、不慌，我让十万爬虫继续前赴后继地点击注册链接，然后自动去完成注册动作。

5、我躺在床上，笑眯眯地数着赚来的一万块钱。

（以上数据不一定和现实吻合，只是展现一个逻辑。具体操作也会更复杂。）

第三.你平时点开的大众点评和美团等美食软件上的点评信息是真的吗？

答曰：部分是真，部分是假，真真假假谁又说得清呢？

造成这种情况的还是爬虫：

很多刚上点评的商户，信誉值不高，就会用爬虫来模拟留言、点赞，刷高自己的信誉值。同理，淘宝、京东等电商用户也是如此。

所以，这些平台都对这种刷单行为深恶痛绝，因为一旦松懈平台的信誉值就完蛋了。

很多人做过网站，应该知道“权重值”的意思，那么怎么提升权重呢？

你可能了解，搜索引擎决定哪个网页排名靠前，（除了广告以外）主要一个指标就是看哪个搜索结果被人点击的次数更多。

既然这样，那么我就派出爬虫，搜索某个特定的“关键词”，然后在结果里拼命地点击某个链接，那么这个网站在搜索引擎的权重里自然就会上升。这个过程就叫做SEO（搜索引擎优化）。

我就举个例子，随意搜索一个关键词，它排在前面的网址，有可能就是经过SEO 的。作为任何一个搜索引擎，都肯定不允许外人对于自己的搜索结果动手动脚，否则就会丧失公立性。它们会通过不定期调整算法来对抗SEO。

所以才会有那么多的悲剧，百度医疗竞价排名害死人事件不知道的同学可以去了解一下。SEO是一把双刃剑，它可以救人也可以害人，技术不分好坏，善恶只在掌握它们的人手上。

说了这么多，我猜你会有几个疑问。

问题1、爬虫搞出这么多姿势，它究竟是不是违法呢？

这个问题还真的不简单。

我打开中国网安第一大法《网络安全法》仔细看了半小时，在里面没有发现“爬取网络公开信息被认定为违法”的条款。

于是我又继续搜索，发现了几条司法解释：