“一个程序员写了个爬虫程序，整个公司200多人被端了。”

“不可能吧！”

刚从朋友听到这个消息的时候，我有点不太相信，做为一名程序员来讲，谁还没有写过几段爬虫呢？只因写爬虫程序就被端有点夸张了吧。

朋友说，消息很确认并且已经进入审判阶段了。

 

01.对消息进一步确认

 

朋友认识几个律师朋友，和他们有一些业务来往，得知他们想尝试把业务扩展到程序员这个群体。那段时间我刚好离职也有时间，在朋友的安排下一起聊聊看看有没有合作的机会。

 

他们为什么想扩展人群到程序员这个行业呢？其实就是因为他们代理了这名程序员的官司，才发现很多程序员完全不懂法，直接说是法盲一点都不过分。

刚好我也很好奇程序员因爬虫被抓这个案子，看看到底是怎么回事，就和两名律师以及朋友坐到一起，深入交流后才知道整个事件的来龙去脉。

 

这名程序员在被警察逮捕后，警察审问期间一直不承认自己触犯了法律，并且也完全没有意识到自己犯法了。进去之后总以为警察搞错了，过几天就会把自己放出来，结果也错过了取保候审的机会。

 

律师说，这名程序员的妈妈当时在他毕业的时候，就因程序员这个行业太辛苦不同意他做程序员，但他对这个行业一直都很感兴趣，坚持做了一名码农，没想到两年后出现了这个事情。

 

他们家里人都后悔死了，距离事发当日到现在已经过去了半年，当事者还被关在监狱中。不管这件事如何收尾，对这名程序员和他的家庭都是一个很大的打击。

以下内容根据部分推测和网上资料整理而出，可能会有细微偏差。

 



 

02.一个爬虫引发的案件

某一个知名互联网公司，突然发现公司的服务器连续几天压力倍增，导致公司内部系统崩溃不能访问，公司领导责令技术部尽快解决。

 

该公司系统平时访问量一直比较平稳，但不知为何这几天系统压力突然大增，经过技术人员几天调查发现了一个惊人的真相，公司客户信息被抓取，并且某个接口访问量巨大。

随着技术人员的深入调查发现的现象更加震惊，入侵者利用这个入口已经窃取了大量的客户信息，并且所有的线索都指向了一家大数据公司。

 

这家公司的主要业务就是，出售简历数据库。经核查该公司出售的简历数据中，就包含自己家客户的简历信息。

 

技术部上报领导之后，公司开会商议后决定报案。

 

03.案发现场

 

案发前一段时间，小明（化名）接到了技术部领导的需求，要求写一段爬虫批量从网上的一个接口抓取数据，爬虫开发完后测试没有问题，小明就将程序上传到了公司服务器。

 

程序运行了一段时间后，也许是有了新的需求，也许是小明想对爬虫程序进行进一步的优化，将爬虫的线程数，由原来比较小的值调到一个比较大的值。

 

完善后的程序上传到服务器后，小明跟踪了下爬虫的进展，运行平稳并且速度快了很多。提交之后像往常一样，小明就把这件事情忘了。

 

小明没想到自己这次提交的爬虫程序，竟然能把对方的服务搞挂了，也没想到自己因为写了一段代码而坐牢。

 



 

04.整个公司被抓

2019年的某一个工作日，公司员工像往常一样忙忙碌碌，某个程序员和产品经理正在为了一个需求争吵，小明带着耳机正坐在办公室敲代码。

 

突然就来了一大群警察，要求所有人离开工位，双手离开电脑、手机等设备。整个公司的人都懵了，不知道发生了什么事情，但也都照办了。

 

警察很快查封了公司的所有办公用品，问技术部相关人员要了服务器的信息，公司全体上下 200 多人无差别的全部送到看守所了解情况。

 

在去看守所的路上，大家都还心里想这是不是搞错了，我们只是一个科技公司公司又没有骗人，怎么就集体被抓了。

 

小明也一直认为自己没有犯罪，自己只是一名技术人员而已，所有的工作也都是按照领导要求来执行的，应该很快就会把我们释放了吧。

 

随后，公司非核心人员都被释放了出来，主要集中在 HR、行政人员。最后确认公司 36 人被捕，其中大部分是程序员。

 

被捕后小明委托的律师事务所，就是和我们交流的两位律师的事务所，据说小明入狱后就一直不认为自己有罪，也因一直拒绝认罪从而错过了取保候审的机会。

目前小明还在等待最后的审判。。。

 

05.涉事公司背景

 



 

巧达科技号称是中国最大的用户画像关键数据服务提供商，专注于大数据及人工智能领域前瞻性产品研发，客户覆盖互联网行业及泛金融领域。

 

高管多为百度出身，公司2017年净赚1.86亿元。

 

公司2014年7月成立，B轮估值2亿美元，目前已经到了C轮融资阶段，投资者包括李开复创新工场、百度风投齐玉杰、中信产业基金、人工智能产业基金等等。

 

巧达的创始人成予曾经是百度第一任产品部负责人、联合创始人沈毅曾经是百度电子商务事业部技术总监和百度爱乐活技术副总裁。

 

公司曾宣称通过整合多达2.2亿份自然人简历、100亿个用户识别ID组合和1000亿+用户综合数据，绘制出了涉及中国8亿人口的多维度数据。其中，包含个人隐私与非隐私信息。

 

此外，巧达科技还有超过10亿份通讯录，并且掌握着与此相关的社会关系、组织关系、家庭关系数据。结合简历、通讯录，以及外部获取的超过千亿条其他用户数据，巧达科技自称拥有超过8亿自然人的认知数据。

 

也就是说，超过57%的中国人的信息都在巧达科技的数据库里面。

 

“基本上所有你能数的上名的大型互联网公司，都是巧达科技的客户。”一位之前简历中介生意的从业者。

 

06.近期多个大数据公司被查

 

最近的大数据行业，风声鹤唳。

 

在中秋节前一天，中国电信控股的子公司天翼征信传出风声，其总经理、副总经理以及市场人员被警察带走，原因是与其合作的大数据公司被警方调查。

 

在天翼之前，新颜科技CEO黄向前被警方带走、魔蝎科技公司CEO周江翔涉事被查、公信宝公司门口被贴了封条、知名第三方数据服务公司聚信立宣布将暂停对外提供用户授权的运营商爬虫服务……

 

此外，国内大数据风控平台龙头同盾科技也被曝爬虫部门已解散，CEO蒋韬已出国避风头，对此，同盾科技昨日发表辟谣声明表示，子公司杭州信川科技有限公司确实停止爬虫业务，但其他言论均属不实。

.....

据内部消息，最近监管对数据乱象出手，开始清理行动，15家公司被列入调查名单，其中几家估值都超几十亿。

 

国内很多大数据公司的数据来源多多少少都有一定的问题，随着我国今年6月1日起，《中华人民共和国网络安全法》将实施，所有的网上行为将越来越严格，如果还按照之前的惯性去操作，迟早会出问题。

 

 

07.程序员谨慎使用技术

 

不知道大家是否发现，随着国家经济的不断发展，以前可能处于灰色阶段的行业，现在几乎都慢慢不能做了。写这篇文章的目的，也是为了警示大家技术是无罪的，但是用到了错的地方代价也是非常巨大的。

 

我之前看过这样一个报道，一个程序员因为爱好写了一个程序（入侵工具），并且把此程序上传到了互联网上，没想到过了两年之后，有人利用这个小程序非法获利500多万。

 

虽然这名程序员并没有因为这个程序而获利，但是间接给犯罪人员提供了犯罪的工具，最后被判刑 2 年缓期 2 年执行。

 

程序员的生活是简单的，工作大概也只关心代码和BUG。小明也从来没有把自己的职业和犯罪联系在一起。

 

技术本身是不违法的，就好像一把水果刀，如果用来削苹果削梨没有任何问题，但是用来伤人就是凶器，就要被列入物证list。

 

爬虫也是如此，在大多数情况下，只是采集互联网上的公开信息，很难说是违法行为。但是一旦涉及入侵到别人系统去获取数据，那必然存在着法律风险。

 

可能很多同学是懵的，很多互联网公司就是靠抓取数据活着的。他只是正常执行公司安排的工作任务，怎么就涉嫌犯罪了呢？

 

这里结合律师朋友给出的一些建议，这里摘录出来仅供参考。

 

08.单位犯罪和个人犯罪的关系

 

首先了解一下单位犯罪。除了自然人犯罪，还有单位犯罪，是指公司、企业、事业单位、机关、团体为单位谋取利益，经单位决策机构或者负责人决定实施的，法律规定应当负刑事责任的危害社会的行为。

 

我国刑法对单位犯罪原则上采取双罚制度，即单位犯罪的，对单位判处罚金，并对其直接负责的主管人员和其他直接责任人员判处刑罚。相关司法解释规定，在审理单位故意犯罪案件时，对其直接负责的主管人员和其他直接责任人员，可不区分主犯、从犯，按照其在单位犯罪中所起的作用判处刑罚。

 

因此，公司犯罪有可能会牵连员工，尤其是案件中对非法获取数据有直接责任的爬虫工程师。这也是为什么当事人在公司人小言微但还是被批捕的原因。

 

其次，是否可以“不知者不为罪”来辩解？刑法原则之一是法无明文规定不为罪，并没有“不知者不为罪”。主观上的恶意是衡量犯罪的要素之一，结合客观上的行为来推理主观恶意。破解别人的服务器，获取别人不公开的信息，不能说没有恶意，不能以不懂法来搪塞。

 

09.重点：什么样的爬虫是违法？

 

如果爬虫程序采集到公民的姓名、身份证件号码、通信通讯联系方式、住址、账号密码、财产状况、行踪轨迹等个人信息，并将之用于非法途径的，则肯定构成非法获取公民个人信息的违法行为。

 

除此之外，根据相关规定，对于违反国家有关规定，向他人出售或者提供公民个人信息，情节严重的，窃取或者以其他方法非法获取公民个人信息的，均可构成成“侵犯公民个人信息罪”，处三年以下有期徒刑或者拘役，并处或者单处罚金;情节特别严重的，处三年以上七年以下有期徒刑，并处罚金。

 

重点关注：下列情况下，爬虫有可能违法，严重的甚至构成犯罪。


	
爬虫程序规避网站经营者设置的反爬虫措施或者破解服务器防抓取措施，非法获取相关信息，情节严重的，有可能构成“非法获取计算机信息系统数据罪”。
	
	

	
爬虫程序干扰被访问的网站或系统正常运营，后果严重的，触犯刑法，构成“破坏计算机信息系统罪”
	
	

	
爬虫采集的信息属于公民个人信息的，有可能构成非法获取公民个人信息的违法行为，情节严重的，有可能构成“侵犯公民个人信息罪”。
	
 

 

10.最后

最后提醒大家敬畏法律，热爱生活。

 

愿每一个程序员都可以用自己的技术去改变世界，让我们的社会变得更加美好！

 

 

---------------------------看不见的分割线---------------------

 

最近很多小伙伴找我要一些 Linux 基础资料，于是我翻箱倒柜，把这份华为大牛总结的 Linux 归纳笔记找出来，免费共享给大家！

据说有小伙伴靠这份笔记顺利进入 BAT 哦，所以一定要好好学习这份资料！

资料介绍

这份资料非常全面且详细，从 Linux 常用命令到 Linux 常用操作，再到网络管理、性能优化，几乎覆盖了 Linux 基础学习的方方面面，非常适合初学者入门！

资料也按目录进行编排，每一章下面都有更具体的内容：



而且，这份资料不是扫描版的，里面的文字都可以直接复制，非常便于我们学习：



 

如何获取？

1. 识别并关注我的公众号「纯洁的微笑」；

2. 在下面公众号后台回复关键字「204」。

👆长按上方二维码 2 秒

回复「204」即可获取资料

 

京东口罩爬虫，到货通知爬虫，自动下单爬虫第二篇
功能
效果展示
无货展示
有货展示
撸代码
修改的地方
邮箱修改
口罩链接获取方式
自动下单所需Cookie获取

预祝大家都能抢到口罩，请大家适量购买
第一篇

马上上班了，回来的路上，上班地铁上都是非常急需口罩的

所以有了口罩爬虫二号
下单的部分代码参考了tychxn大佬的代码
这次包括了无限循环检查口罩是否到货

到货的话马上自动下单（默认地址）

打开程序就可以睡觉觉去了
避免抢购，程序自动一次只买一件
功能

 检查登录
 确认是否有货
 有货自动下单
 邮件通知

效果展示
无货展示

有货展示
找一个有货的链接
现在口罩都没货了只能找一个非口罩的试一下



看skuId 确实是有货就下单了



邮件通知



手机或者电脑手动 付款完成订单

撸代码
这次的代码非常长就不直接贴在这里了

https://github.com/cycz/jdBuyMask （如果有帮助。右上角star一下，谢谢）
嫌麻烦的可以站内下载
修改的地方
主要修改的是这两块地方 就可以实时去监控了。
邮箱修改


收件邮箱修改成自己的
发件邮箱是我自己的 需要修改可以看这个进行修改

https://blog.csdn.net/LeoPhilo/article/details/89074232
口罩链接获取方式
第二个要监控的商品url



一、谷歌浏览器按F12 打开

二、点击需要的商品 和所在的地区

三、找到这个stock 开头的url

四、复制 修改或者添加在下方


自动下单所需Cookie获取
修改位置



获取方式

一、打开谷歌浏览器，登录京东



二、按F12 进入我的订单页面 过滤出list.action url。


三、请求下滑找到cookie 然后复制，在代码里面修改就行


不小心就努力一个晚上到6点早上了，真的不点个小小赞，点个github的小小star吗！！！

预祝大家都能抢到口罩，身体健康开工！！！

文章目录
爬虫第一讲
一、爬虫定义
二、爬虫分类
三、HTTP协议和HTTPs协议
四、爬虫的一般流程
五、响应状态码

爬虫第一讲
一、爬虫定义
网络爬虫（又被称为网页蜘蛛，网络机器人）就是模拟客户端发送网络请求，接收请求响应，一种按照一定的规则，自动地抓取互联网信息的程序。
二、爬虫分类

通用爬虫 ：通常指搜索引擎的爬虫，比如google, 百度，搜狗这样的爬取整个互联网
聚焦爬虫，针对特定网站进行爬取，比如获取上海市气象数据，或者获取全国城市的经纬度

三、HTTP协议和HTTPs协议
HTTP协议 (HyperText Transfer Protocol，超文本传输协议)：使用明文数据传输的网络协议。一直以来HTTP协议都是最主流的网页协议，但是互联网发展到今天，HTTP协议的明文传输会让用户存在一个非常大的安全隐患，端口号为80 。
HTTPS (Hypertext Transfer Protocol over Secure Socket Layer)简单讲是HTTP的安全版，在HTTP下加入SSL层。即是在HTTP的基础上增加了数据加密，端口号为 443 。
SSL（Secure Sockets Layer 安全套接层）主要用于Web的安全传输协议，在传输层对网络连接进行加密，保障在Internet上数据传输的安全。
URL（Uniform / Universal Resource Locator的缩写）：统一资源定位符，是因特网的万维网服务程序上用于指定信息位置的表示方法。

基本格式：scheme://host[:port#]/path/…/[?query-string][#anchor]

scheme：协议(例如：http, https, ftp)
host：服务器的IP地址或者域名
port#：服务器的端口（默认则端口号为80）
path：访问资源的路径
query-string：参数，发送给http服务器的数据
anchor：锚（跳转到网页的指定锚点位置）

四、爬虫的一般流程

五、响应状态码

200：成功
302：临时转移至新的url
307：临时转移至新的url
404：not found
500：服务器内部错误

如果你有问题，请随时发表评论。

码字不易，如果你觉得有用，请帮忙点个赞或者关注。

Python爬虫之App爬虫视频下载


文章目录
Python爬虫之App爬虫视频下载
前言
一、操作流程
二、fidder4抓包
1.fidder配置
2.模拟器配置
3.模拟器证书安装
三、fidder4解析视频网站
pycharm编写app代码
总结



前言

随着手app的发展逐渐强大，我们手机应用每天的生活也是非常的多。那我们怎么知道他的数据是怎么形成的，通过电脑端如何爬取。相信大家也有这样的问题。下面我将讲解这些操作流程。

一、操作流程
首先我们要有

fidder4
夜神模拟器
pycharm
python3.0或以上版本

二、fidder4抓包
1.fidder配置
首先我们先下载fidder，

打开Fiddler，点击Tools => Options 打开配置选项，切换到第二个标签页HTTPS，先在这里打勾



然后就是点下面如图所示的单选框，点击Actions，运行第一个Trust Root Certificate。后面会有一个框，记得点击确定。


打开Fiddler，点击Tools => Options… 打开配置选项，切换到第三个标签页Connections，修改如图所示的地方，端口号可任意修改，这里使用我自定的9999，请记住自己设置的端口号，后面有需要使用的地方。

2.模拟器配置
我们为什么使用模拟器，因为由于Fidder抓包，要在局域网环境下，我们大部分电脑都是以宽带连接，所以我这里就以模拟器讲解抓包，后续我会更新一期fidder手机抓包。
这里们先打模拟器，设置模拟器的代理。我们先查看自己的本机IP，通过cmd命令输入ipconfig即可查看本机的ip，我的本机IP是192.168.1.2


这里打开模拟器的设置，找到我们WLAN用点击，我们看到我们的wifi,用鼠标点击时间长一点，它会出现设置的，下面我用视频给大家看一下



我们本机ip进行代理哦


3.模拟器证书安装
我们用模拟器打开浏览器，输入我们本机ip加端口，就是 192.168.1.2:9999



点击这个下载证书，下载完成后安装证书，命名随便命名。密码自己要记入。

上述如果都做成功了，应该就没什么问题了。
三、fidder4解析视频网站


这是我们模拟器里的app，app名字我会在下面评论发出。


这里的所和上面的正好相对应，这里相信我们大家都找到了，

我们可以把fidder抓包到的数据在这里，这个是我们的数据网址

https://v.6.cn/coop/mobile/index.php?act=recommend&padapi=minivideo-getlist.php&page=1

我们通过模拟器视频往下滑，可以知道它是分页的，那样会有好多小姐姐视频哦，

https://v.6.cn/coop/mobile/index.php?act=recommend&padapi=minivideo-getlist.php&page=2

这里就是第二页的数据，这个时候就可以通过pycharm进行解析了。
pycharm编写app代码
import requests
import json
def Demo(page):
    url='https://v.6.cn/coop/mobile/index.php?act=recommend&padapi=minivideo-getlist.php&page={}'.format(page)

    header={
        'User-Agent':'XY0xDgIxDAS)wgtOthPHTn5AQUVFdXLOCRwSdEhX5PGQFmlHo6n22D)bw973lz13W2)XlZe8pKEpEEdBTgmU4ricT3kQENEI04ATJcbg2VsnEcvoVttmTXpq7r)sVToAdNLqmaxF1B6HFigkhXgO(f)rCw@@'
    }

    response = requests.get(url,headers=header,verify=False).json()
    data=response['content']['list']	#由于网站是json数据我们可以通过json解析，然后在进行数据的爬取
    for i in data:
        title =i['title']  #这里爬取的是视频标题
        playurl=i['playurl']	#这里是爬取是的视频的url
        Video(title,playurl)

def Video(title,playurl):
    header = {
        'User-Agent': 'XY0xDgIxDAS)wgtOthPHTn5AQUVFdXLOCRwSdEhX5PGQFmlHo6n22D)bw973lz13W2)XlZe8pKEpEEdBTgmU4ricT3kQENEI04ATJcbg2VsnEcvoVttmTXpq7r)sVToAdNLqmaxF1B6HFigkhXgO(f)rCw@@'
    }
    response = requests.get(playurl,headers=header,verify=False)
    # 文件写入异常机制
    try:
    	#由于写入可以会有点出错，我们要加一个异常处理机制，这样可以提高我们的程序性能。
        with open('VIdeo/{}.mp4'.format(title),'ab') as f:
            f.write(response.content)
    except Exception as e:
        print(e)

for i in range(1,11):
    Demo(i)

总结
以上就是今天要讲的内容，本文简单的对fidder配置与模拟器的证书安装，通过fidder监视app传输的数据进行解析，我们知道此网址有分页功能 ，最后我们通过pycharm编写程序，这些操作看似繁锁，其实看懂了，就很简单。
人生苦短，我用python。