网络江湖里爬虫玩的是一场“无间道”

会员服务 ·

网络江湖里爬虫玩的是一场“无间道”

2018 年 9 月 13 日 阿里云安全

电影《无间道》中，梁朝伟扮演在黑帮卧底的警察虽然能力出众，但也像普通人一样向往平静的生活，当与其单线联系的黄警官被杀，他在警局的档案又被在警局卧底的伪警察刘建明彻底删除后，再无法证明其真警察的身份，最后被一名伪警察枪杀……

一个永远无法证明自己身份的人，空有躯壳，无法掌握自己的人生轨迹。卧底无疑才华卓越不然也不会被选中，但最终逃不出别人的控制。当然这个职业也被打上很多亮丽的标签，#能力优秀#、#聪明#、#超强生命力#……

其实，今天不是想来谈论卧底的，只是想引出我们要讲的爬虫，因为它可以比喻潜藏在网络江湖里的“专业卧底”：超强获取情报的能力、命运不由已，为恶为善全凭他人掌控，摇摆不定。唯一不可否认的是，业内都看中他的“才华”。

灼灼其华，爬虫是优秀的。

就像《无间道》里黑帮卧底的真警察陈永仁一样，能活着是因为他的能力，他的优秀。爬虫亦如此，在网络江湖世界里混的风生水起：

1. 搜索引擎爬虫

搜索引擎爬虫是最常见的善意爬虫，当用户用搜索引擎搜索信息时，爬虫会代替人工自动从各类网站爬取相关信息，并整理索引，将真正有价值的内容呈现在用户面前。由于网站在搜索引擎上的排名越靠前，就会带来更多的访问量，而流量能转化价值，因此各大网站就会争先恐后地开门欢迎搜索引擎类爬虫，以获得更多的曝光。这类爬虫不仅服务了用户，也服务了网站服务商。

2. 海量信息处理

数字时代，咨询公司可以利用爬虫技术快速获取海量信息，并可以将海量信息进行专业化处理和分析归类，从而为咨询服务提供有利的数据支撑，用更多的数据信息样本来支持更准确的决策。不仅如此，很多企业也会用爬虫来进行舆情监控，对及时发现负面舆情，做好公关危机有很大帮助。

3. 替代重复劳动力

在网络工作中会遇到很多需要大量重复劳动的工作，比如在几百台目标机器上部署类似的程序，优秀的工程师们骨子里总是带着hack精神，以机器代替人工，解放双手，写一些自动化脚本来支持日常网络中的部署、测试、运维等内容。那些能批量自动化完成一系列Web请求最终达到某种目的的程序，便属于广义上的“爬虫”。这样的爬虫代表着一种理念，科技解放人力，让人有时间去做更有价值的事。

爬虫更愿意与人为善，一边为正义大展身手的同时，爬虫也同样有着自己的个性。每一个故事中的卧底从来都是“高利用率的”，因为他们的智慧不断为其效力的一方创造惊喜和价值，这样也使得他更容易获得信任，这就是无间之道。爬虫的无间在于，化数据为商机：

1. 站在行业肩膀上的创意

总听人抱怨说创业维艰，上百家团购如今清盘后只剩几家存活，网络打车平台互相收购留一家独大，P2P互金行业因政策监管纷纷倒闭。

但也有人推陈出新，站在行业的肩膀上，用爬虫玩得风生水起。

一玩：“货比三家”的流量：

用户面对互联网上眼花缭乱的产品，会有选择困难症：

＃我想买个冰箱，……到底哪个平台物美价廉？

＃我想买张机票，……到底哪个平台的机票时间合适价格便宜？

＃我想租个房子，链家，我爱我家，安居客……到底哪个中介提供的服务性价比最高？

当用户犹豫不决时，爬虫上场了，它爬走了各家的信息，动了别人的奶酪。

二玩：“洗牌重组”的资源

在全民健身的时代，大部分人以为健身房的年卡很划算，可是年卡到手后一年也就去了10天。原本心里盘算着健身房里那么多器械只需要花费6元/天(～＝2200元/365天)的成本却变成了200元/次，莫名提升了33倍。现在想想，其实健身房就是利用“资源高闲置率”来赚钱的，嗯，健身是很难坚持的。

那怎么利用转化这些闲置资源赚钱呢，这时就到了爬虫彰显价值的时候了。

以处在风口上的共享单车为例，大街小巷的共享单车五颜六色，每种颜色代表一家公司，争前恐后想站在这个风口做那只猪。行业模式大同小异，注册－押金－扫码－骑车－计费，对用户的差异无非就在押金多少，活动区域内车多不多，单次和包月/季/年卡的计费方式。然鹅，用户在各大平台注册后，用着用着发现：

＃我付押金的单车为啥附近那么少？面前别家的单车我又骑不走。

＃押金要几百有点贵，不付就不能骑怎么办？

偏偏有人出奇招，利用爬虫技术做了个平台，整合了所有主流共享单车信息，用户注册后不需要付押金，只要非常少的包月费用，可以扫码任何一家单车开锁骑走。为啥能骑走？因为爬虫为你整合了你在所有共享单车上包月/季/年卡的所有权，打通了你在扫码各家单车之后对应的使用权。这样一来，不但引流走了别家平台用户，还在资源重组后赚了别人家“资源闲置”的收入。确实满足了用户需求，却也动了别人的奶酪。

2. 爬虫引发的情报战

孙子兵法有云：“知己知彼，百战不殆。” 有些企业还会利用爬虫获取同行情报来作战。盘点下近两年最俏的三大战役情报，也就是爬虫最热衷的信息：O2O大战的商户，电商大战的价格，P2P大战的风控。

O2O平台要想成功，需要更多的引入优质商户，才能吸引更多的C端用户，整个业务模式才可以转起来。因此行业内互相爬取对方销售量高的优质店铺，

爬虫不断挑战“底线”

爬虫的另一面，让人想到《无间道》里刘德华扮演的刘建明，在警察局做黑帮卧底，踏着那条红线，为黑帮效力。黑灰产用爬虫技术爆点踩着法律的边缘赚到盆满钵溢，作恶场景无处不在，两者异曲同工。

- 你打开某点评看到的高分店铺很可能是爬虫帮你评的；

- 你在各大电商平台看到的爆款也可能是爬虫刷的虚假交易；

- 网络投票的第一名也许是爬虫辛辛苦苦投出来的结果；

- 赚钱易如反掌的微博大V也许是爬虫制造的诸多僵尸粉撑起来的假象；

- 渠道商奖励的程序推广安装第一名也许是爬虫历下的汗马功劳；

- 电商平台的拉新红包总也抢不到，因为爬虫已替你抢光光；

- ……

此外，由于爬虫往往比人动作快，因此还干起了囤积居奇的勾当。周董演唱会门票一票难求，可是黄牛却拿着一叠门票在演唱会门口高价出售，粉丝只能忍痛用三倍的价格去见了偶像。这样的倒卖获利非常常见，爬虫往往盯着网络可以低买高卖的物品，赚钱差价获利，比如亚航的廉价机票，春节的火车票，网站上秒杀价茅台酒，知名医院的专家预约号……这样的爬虫在他的利用下，抢占了资源，扰乱了市场。

爬虫本无错，追根究底是人为造成的。我们不能因为有人利用爬虫作恶就毁灭爬虫，但也不能任由恶意爬虫肆意生长，于是一场爬虫与反爬虫的长期对抗斗争开始了。阿里云云盾爬虫风险管理产品就是一个必然的产物。该产品可以对爬虫进行有序管理，阻止其作恶，发扬其本善。

产品建设了一整套有层次的爬虫检测模块，主要分为基础防护层、云端情报层、深度学习层，就像每个警察局和黑帮都有一套完整的信息传递和鉴别机制一样，从提供流量上自定义爬虫特征工具，到共享云端优势的行业爬虫攻击情报，再到定制贴合客户业务的深度学习算法，逐步递进，快速帮助客户打造一套量身定做的反爬虫策略体系。