我对爬虫的理解是不是有偏见？

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

V2EX 提问指南

这是一个创建于 2820 天前的主题，其中的信息可能已经有所发展或是发生改变。

总觉得爬虫是个脏活累活，数据是很宝贵的资源，可以做很多事情
但是爬虫的被动型太强，因为总是要跟随者别的网站去更新和解析，每个网站的 DOM 也不一样
所以感觉做爬虫这块对职业发展来说，不是很有利

不知道我是不是对爬虫有误解和偏见

爬虫

偏见

被动型

DOM

21 条回复 • 2017-02-19 13:23:19 +08:00

Yourdaye

2017-02-18 16:28:11 +08:00 via iPhone

是
有本事你写个百度或者 Google 出来

em70

2017-02-18 16:44:21 +08:00

是
有本事你让用户主动给你提交数据啊

starvedcat

2017-02-18 16:55:54 +08:00

难道不正是因为“要跟随者别的网站去更新和解析”，爬虫程序员才有市场么

Yourdaye

2017-02-18 16:56:32 +08:00 via iPhone

1994 年，两个斯坦福大学的学生在一个旧服务器上运行了一个 Python 爬虫，这个爬虫就是后来的 Google

einvince

2017-02-18 17:13:44 +08:00 via iPhone

@Yourdaye 从这个层面讨论没有意义，我要有写百度的能力还会在这提问，不能一讨论问题就提 apple google facebook ，我说的是一般的爬虫工程师的职业规划，首先我承认我只是一个普通人

shoaly

2017-02-18 17:23:52 +08:00

爬虫在内容制造者一方或看来是一种"不劳而获", 直接抄袭的行为.
但是由于爬虫的对象本身又是存在于互联网上, 互联网精神就是共享.
结合上面 2 点, 如果利用爬虫将内容二次加工整理又分享出来应该是最好的结果了, 如果是直接用爬虫然后盈利, 吃相比较难看了

Yourdaye

2017-02-18 17:43:26 +08:00 via iPhone

@einvince 所以说，这是能力的问题，不是工种的问题。

webjin1

2017-02-18 18:20:25 +08:00

@Yourdaye 那时候他们应该不是用 python 写的爬虫，可能是用 C 写的

jwenwang

2017-02-18 18:45:12 +08:00

最厉害的是用产品把用户变成你的爬虫，
给你的平台生产内容，给你的数据库各种隐私信息，通过电子设备的各种传感器给你各种数据，
然后给你玩 “大数据” ～

tigren

2017-02-18 18:56:45 +08:00

之前忘了谁说的，国内新手程序员对爬虫情有独钟：我刚学 Pyhon ，写个啥练手呢，就写个爬虫吧；或者有些课程大作业就是写爬虫抓数据...

murmur

2017-02-18 18:58:38 +08:00

爬虫是一个产业，不是一项技术，对于 google 和 baidu 这种爬虫大家是接受的，如果这两个爬虫想爬其他网站做垂直搜索，大家可以合作，可以开后门，可以直接 push 数据都没问题

但是如果你爬同样的网站，会有各种技巧对付你

Yourdaye

2017-02-18 22:01:57 +08:00 via iPhone

@webjin1 《 Flask web 开发》的作者在书中提到过，确实是 Python 爬虫

BoBoy

2017-02-18 22:50:23 +08:00 via iPhone

@Yourdaye 呵呵，你有什么能力？又见键盘侠。

BoBoy

2017-02-18 22:52:12 +08:00 via iPhone

@webjin1 哈哈，上面那个装逼屌丝暴露了

zungmou

2017-02-18 23:56:34 +08:00

爬虫只是个工具，而爬虫产生什么样的价值取决于爬虫加工后的数据的体量和质量，并且大体量和高质量的数据是需要消耗大量的计算资源的。

所以你以为采集一个或几个网站的数据就能有多大的意义吗？

bxb100

2017-02-19 00:01:44 +08:00 via Android

@BoBoy 我觉得你的回复攻击性有点强啊

zwh8800

2017-02-19 02:26:55 +08:00 via iPhone

爬虫架构上也是很有研究的，开发一个分布式的爬虫系统难度比分布式的 web 高多了

aussieweever

2017-02-19 10:17:25 +08:00 via Android

很多网站上写明了禁止各种形式的数据抓取这个怎么破

Yourdaye

2017-02-19 10:51:48 +08:00

@BoBoy 你说你长得跟三寸丁的武大郎似的，问人，当鸭有没有前途？别人说，当鸭肯定有前途啊，但是你吧，可能只能戴着绿帽卖烧饼了。

PS:此回复与楼主无关
PS2 ：@BoBoy 已被 Blocked.

BoBoy

2017-02-19 12:02:26 +08:00 via iPhone

@bxb100 没有，没有。我只是道出了事实的真相，真相一般都会使当事者羞愧难当，然后为了掩饰自己被揭露的内心，就会此地无银三百两，就想下面他回复的那样。
哈哈，这种人调侃调侃就好了，死活与我何干😜😜

imn1

2017-02-19 13:23:19 +08:00

爬虫只是一种输入方式

大多数涉及数据的行业都需要爬虫
例如與情分析，难道派人每天一条条微博、一条条微信去看么？

职业规划什么的，其实也不用想太多，职业是市场决定
我 90 年代想做这方面的规划也没用，因为那时市场除了调查公司没有“大树锯”的需求
而现在，也不能做出很好的规划，因为现在大树锯还流于表面（只是算算占比、同比、环比之类），很多实际需要数据分析的行业还未能“见到”大数据的好处

现在国内真正做数据深挖的是气象、地震、医药、部分重化工、证券、少数农业、以及一些科研单位或军事单位
国外除了上述还有自动驾驶、探索（地球、太空、考古）、日用化工、零售……等等，覆盖面已经逐渐铺开
国内的零售、服装、服务业……还处于浅挖

爬虫狭义的就是互联网爬虫，爬的就是文字信息，技术加强肯定离不开深度、广度、速度这三方面，这是回应 LZ 的
但广义爬虫就多了，离开互联网，用仪器辅助获取信息，都是爬虫，例如 google 用无人驾驶汽车收集地图信息，如果你有“预见”，可以用无人机收集信息啊
还记得《 X-File 》么？利用天花接种收集公民 DNA 信息……呃，扯远了