第768章 爬虫
第768章 爬虫
在国内做生意，限制比较多。如果是小打小闹的小公司，只要在合理合法的经营、竞争，怎样都没问题。如果是大公司，那就不行了。
如果是国企间展开激烈竞争，当局一统计，发现这种竞争对两家企业的利润都有损害，就会出面协调了。可以把两家企业的老总互换，化干戈为玉帛。再不行，当局谈话，进行问诫。还不行，就有杀手锏了，两家企业直接合并。
民企间的竞争相对自由，可大公司之间也有限制。
每一家成功的民企，经营的都很不容易。
当局在法律法规、政策等方面都有一定的保护。
在美国，一个市值1000多亿美元的公司一旦报出财务造假，3个月内就破产倒闭了，处置得极其严苛。可国内不一样，民企做大，真是太不容易了，因为犯了点小错就直接杀头，太可惜了，罚款几十万引以为戒，意思意思得了。
企业倒了，那么多员工怎么办？损失的gdp怎么办？
这就导致有很多无耻可恶的商人，利用国家对民族经济的呵护和关爱，不好好做企业，天天想着操纵资本、收割韭菜，导致a股假账烂账一大堆。
这里面的水太深，周不器从不参与，哪怕a股现在历史性的大涨，他也不去炒股，免得惹一身腥。
炒股才能赚几个钱埃
他这种身份的人，只要牌坊正，根本不需要去股市里偷鸡摸狗，官府会敲锣打鼓的主动给他送钱。
要想钱生钱，最好的办法就是把钱集中起来，交给最会赚钱又人品可靠值得信任的人，让他去带领大家共同致富。
周不器现在基本就是这样的人。
郭丹那边已经回馈了，市里针对紫微星总部的事，已经拿出了一个大致性的意见，会给出一个在首都地区对民企来说前所未有的扶持方案。
回到紫微星和百度的竞争上，周不器肯定不能像石婧琳说的那样采取一些过激的行为。
就算是竞争，也要在一定的范围之内。
要是紫微星真的把百度搞死了，这不是牛逼，这是傻逼。同样的，百度要是把紫微星搞死了，李老板也就被请去喝茶了。
3q大战一度轰轰烈烈，也是当局出面化解纠纷。
第二天，周不器叫上了郭鹏飞、韩乐水、聂才竣宁雅娴等人，去搜索事业群那边考察工作。场面不校
紫微星的几大事业群负责人中，王小船的压力是最大的。
前期工程已经做到了完美，可就是拿不到结果，市场份额一直维持在33%-35%之间。所以他才申请了一个建议，要做一个类似百度贴吧的项目。
好在周不器对王小船充满了信任。
“不要急，我早就说过了，短期之内不看份额，只看产品。”
“产品……”
王小船暗暗叹气。
单看产品，微点搜索也不如百度啊！唯一的优势，就是微点的配套设施更多，有浏览器，有导航网，有输入法，有音乐平台等等。
周不器笑了笑，“这点信心都没有？还是说你承认技术不行？”
王小船从小就是计算机天才，在技术方面从未服过谁，摇头道：“搜索引擎的架构高度复杂，有抓取器、渲染器、dns解析、redis内存数据库、url队列、种子队列、响应队列、url提娶url过滤、重复url检测等等，是一个技术性很强的庞大工程。我自认为微点的架构不比百度差，可一些技术细节，还需要时间。”
周不器笑着说：“我知道搜索技术很高端，可随着时间的推移，搜索技术就会走下神坛，变为比较大众的技术。最根本的技术，还是大数据处理。”
在大方向的理论上，周大老板比一些专业人士还强。
王小船深以为然，“是啊，大数据的处理。百度和谷歌的差距，微点和百度的差距，最主要的就是体现在我们在数据处理时的效率问题。按理来说，通过爬虫技术，可以抓取到互联网上所有信息。可相关信息太多了，数据量太大了。怎么才能在短时间内把想要的信息抓取并展示出来，是搜索引擎最大的技术难题。”
周不器打了个响指，笑道：“巧了，我这次过来，就是想问问你爬虫的事。”
王小船有些费解。
周大老板这个技术外行，怎么还关心起技术细节来了？
就缓缓的解释道：“爬虫是搜索的基础工具，爬虫搜信息……嗯，就跟使用浏览器上网差不多，都是先向服务器发送请求，获得返回的页面，然后筛选出有价值的内容。如果时间足够长计算量足够大，使用爬虫工具，就可以把互联网上的所有信息都搜索一遍。”
见周大老板似乎很感兴趣的样子。
王小船就拿过纸笔，很快速的写下了一行代码，“假如说我们要爬取微知网的信息，用这行代码就可以实现了。”
周不器拿过代码一看，嗯，是很简单。
headers={‘use-agent’:‘chaiknowsthebot’，}
r=requests.gets(“
html=r.text
print(html)
难怪说3月份的时候，北科有两个计算机系的大学生被开除了。
这技术好像是不太难。
因为大四写论文，可用谷歌、百度、微点等搜索引擎，却搜不到别人写的相关论文。怎么办？就有计算机系的学生，自己写了段爬虫算法。
然后成功的爬取到了几百篇相关论文。
接下来就好办了，摘抄、重组、整合。
如果查重不过关，也简单，用谷歌翻译，先汉译英、再英译汉。再人工地把句子整理通顺，查重就顺利通过。
可能是北科的创业环境被周不器给带起来了，那俩大学生就有了通过技术牟利的心思，玩起了帮同学写论文的生意。
被发现后，俩人都被开除了。
要不是周不器出面力保，上缴了非法所得，并安排到了校内网工作，他俩说不定就要蹲监狱了，前程就全毁了。
王小船接着说：“这是静态网站的爬取，如果是优酷、朋友网的这种动态页面，算法会相对复杂。可不管怎样，这都是很基础的工具。我们做搜索引擎，难点已经从复杂性变为规模量了。”
周不器皱皱眉，“老马……就是阿里的那位。他跟我说，要屏蔽百度对淘宝的爬虫，怎么回事？”
王小船笑道：“这事也简单，爬虫和网站之间有一个爬取协议，业内叫robot协议。这个协议会声明，该网站的哪些内容可以爬取，哪些内容不能爬取，并规定白名单里的爬虫可以爬取主页内容。淘宝如果要屏蔽百度，只需要把百度的爬虫加到黑名单里就行了。”
“嗯1
周不器点了点头。
这就是他想要的答案。
爬虫黑名单！
王小船似乎看出了什么，试探着说：“老板，你……你要对百度下手吗？”
周不器道：“我看了一下微知网的数据，过去3个月，有超过1.1亿的访问量，是来自百度。”
王小船没有惊喜，深吸了口气，忧心忡忡的说：“微知的访问量本来就不高，如果屏蔽了百度，流量就更低了。”
周不器并不在乎，“微知不需要流量，微知需要的是优质内容。你都说了，百度的算法不如谷歌，很难通过简单的数据处理完成对一些有深度内容的检索，来爬取微知的内容，是简洁途径。有不少用户都是通过百度来访问微知，我们要断了这条线1
王小船眨眨眼，“真要屏蔽吗？”
“当然。”
“可robot协议没有法律效力。”
“啥？”
“这个协议，是一种行业约束，君子协定，不是法律条文。如果百度真想爬取微知的内容，完全可以通过技术手段跳过协议，强行爬龋”
周不器若有所思，“君子协定碍…如果强行爬取，有违商业道德？”
王小船点了点头，“可以这么理解。”
心中深深的不以为然。
商业道德？
这东西是一层窗户纸，一捅就破。
“如果违反了怎么办？”
“国外有过类似的案子，违反了协议，也被处罚了。因为法官认为这个协议虽不是法律条文，但作为广泛被接受的行业规则，就应该被遵守。不过国内好像不太行。就像rss聚合器似的，可以去各个网站上订阅信息。网站拒绝了rss订阅，依旧可以通过技术手段强行订阅。”
周不器想了一下，语气轻松，笑着说：“没事，百度在美国上市，不敢玩的太出格。先这么做吧，第一步，微知网屏蔽百度的爬虫。你这边也做准备，我打算一步步的、全面彻底的跟百度切割。”
王小船睁大眼睛，“全都切割？”
周不器淡淡地道：“对1
“这行吗？”
“你觉得切割了，对谁的危害更大？”
“这……”
王小船有些犹豫，不太好说。
周不器冷冷的道：“紫微星不主动欺负别人，却也不会任人欺负。百度从校内网挖了十几个人，把一个满建制的小组都给挖走了。不亮亮肌肉，李大老板以为我脾气好，好说话呢1
都屏蔽了，当然对微点搜索最有利。
可王小船格局没这么小，不认为这是个好主意，好心的提示一句，“咱们自身的利益也会受损。百度是最大的搜索引擎，是流量分发平台。”
周不器却很有信心，“平台的优势是轻量级，劣势是容易被人卡脖子。联想电脑品牌这么响，你知道联想最怕什么吗？最怕微软的系统授权和英特尔的芯片断供。每一次发生分歧，都要支付一大笔钱。如果把百度比作联想电脑，紫微星就需要成为最大的零配件供应商。微知、朋友网、校内网，接下来，我们还会有今日头条和微博。比比看1
(本章完)
在国内做生意，限制比较多。如果是小打小闹的小公司，只要在合理合法的经营、竞争，怎样都没问题。如果是大公司，那就不行了。
如果是国企间展开激烈竞争，当局一统计，发现这种竞争对两家企业的利润都有损害，就会出面协调了。可以把两家企业的老总互换，化干戈为玉帛。再不行，当局谈话，进行问诫。还不行，就有杀手锏了，两家企业直接合并。
民企间的竞争相对自由，可大公司之间也有限制。
每一家成功的民企，经营的都很不容易。
当局在法律法规、政策等方面都有一定的保护。
在美国，一个市值1000多亿美元的公司一旦报出财务造假，3个月内就破产倒闭了，处置得极其严苛。可国内不一样，民企做大，真是太不容易了，因为犯了点小错就直接杀头，太可惜了，罚款几十万引以为戒，意思意思得了。
企业倒了，那么多员工怎么办？损失的gdp怎么办？
这就导致有很多无耻可恶的商人，利用国家对民族经济的呵护和关爱，不好好做企业，天天想着操纵资本、收割韭菜，导致a股假账烂账一大堆。
这里面的水太深，周不器从不参与，哪怕a股现在历史性的大涨，他也不去炒股，免得惹一身腥。
炒股才能赚几个钱埃
他这种身份的人，只要牌坊正，根本不需要去股市里偷鸡摸狗，官府会敲锣打鼓的主动给他送钱。
要想钱生钱，最好的办法就是把钱集中起来，交给最会赚钱又人品可靠值得信任的人，让他去带领大家共同致富。
周不器现在基本就是这样的人。
郭丹那边已经回馈了，市里针对紫微星总部的事，已经拿出了一个大致性的意见，会给出一个在首都地区对民企来说前所未有的扶持方案。
回到紫微星和百度的竞争上，周不器肯定不能像石婧琳说的那样采取一些过激的行为。
就算是竞争，也要在一定的范围之内。
要是紫微星真的把百度搞死了，这不是牛逼，这是傻逼。同样的，百度要是把紫微星搞死了，李老板也就被请去喝茶了。
3q大战一度轰轰烈烈，也是当局出面化解纠纷。
第二天，周不器叫上了郭鹏飞、韩乐水、聂才竣宁雅娴等人，去搜索事业群那边考察工作。场面不校
紫微星的几大事业群负责人中，王小船的压力是最大的。
前期工程已经做到了完美，可就是拿不到结果，市场份额一直维持在33%-35%之间。所以他才申请了一个建议，要做一个类似百度贴吧的项目。
好在周不器对王小船充满了信任。
“不要急，我早就说过了，短期之内不看份额，只看产品。”
“产品……”
王小船暗暗叹气。
单看产品，微点搜索也不如百度啊！唯一的优势，就是微点的配套设施更多，有浏览器，有导航网，有输入法，有音乐平台等等。
周不器笑了笑，“这点信心都没有？还是说你承认技术不行？”
王小船从小就是计算机天才，在技术方面从未服过谁，摇头道：“搜索引擎的架构高度复杂，有抓取器、渲染器、dns解析、redis内存数据库、url队列、种子队列、响应队列、url提娶url过滤、重复url检测等等，是一个技术性很强的庞大工程。我自认为微点的架构不比百度差，可一些技术细节，还需要时间。”
周不器笑着说：“我知道搜索技术很高端，可随着时间的推移，搜索技术就会走下神坛，变为比较大众的技术。最根本的技术，还是大数据处理。”
在大方向的理论上，周大老板比一些专业人士还强。
王小船深以为然，“是啊，大数据的处理。百度和谷歌的差距，微点和百度的差距，最主要的就是体现在我们在数据处理时的效率问题。按理来说，通过爬虫技术，可以抓取到互联网上所有信息。可相关信息太多了，数据量太大了。怎么才能在短时间内把想要的信息抓取并展示出来，是搜索引擎最大的技术难题。”
周不器打了个响指，笑道：“巧了，我这次过来，就是想问问你爬虫的事。”
王小船有些费解。
周大老板这个技术外行，怎么还关心起技术细节来了？
就缓缓的解释道：“爬虫是搜索的基础工具，爬虫搜信息……嗯，就跟使用浏览器上网差不多，都是先向服务器发送请求，获得返回的页面，然后筛选出有价值的内容。如果时间足够长计算量足够大，使用爬虫工具，就可以把互联网上的所有信息都搜索一遍。”
见周大老板似乎很感兴趣的样子。
王小船就拿过纸笔，很快速的写下了一行代码，“假如说我们要爬取微知网的信息，用这行代码就可以实现了。”
周不器拿过代码一看，嗯，是很简单。
headers={‘use-agent’:‘chaiknowsthebot’，}
r=requests.gets(“
html=r.text
print(html)
难怪说3月份的时候，北科有两个计算机系的大学生被开除了。
这技术好像是不太难。
因为大四写论文，可用谷歌、百度、微点等搜索引擎，却搜不到别人写的相关论文。怎么办？就有计算机系的学生，自己写了段爬虫算法。
然后成功的爬取到了几百篇相关论文。
接下来就好办了，摘抄、重组、整合。
如果查重不过关，也简单，用谷歌翻译，先汉译英、再英译汉。再人工地把句子整理通顺，查重就顺利通过。
可能是北科的创业环境被周不器给带起来了，那俩大学生就有了通过技术牟利的心思，玩起了帮同学写论文的生意。
被发现后，俩人都被开除了。
要不是周不器出面力保，上缴了非法所得，并安排到了校内网工作，他俩说不定就要蹲监狱了，前程就全毁了。
王小船接着说：“这是静态网站的爬取，如果是优酷、朋友网的这种动态页面，算法会相对复杂。可不管怎样，这都是很基础的工具。我们做搜索引擎，难点已经从复杂性变为规模量了。”
周不器皱皱眉，“老马……就是阿里的那位。他跟我说，要屏蔽百度对淘宝的爬虫，怎么回事？”
王小船笑道：“这事也简单，爬虫和网站之间有一个爬取协议，业内叫robot协议。这个协议会声明，该网站的哪些内容可以爬取，哪些内容不能爬取，并规定白名单里的爬虫可以爬取主页内容。淘宝如果要屏蔽百度，只需要把百度的爬虫加到黑名单里就行了。”
“嗯1
周不器点了点头。
这就是他想要的答案。
爬虫黑名单！
王小船似乎看出了什么，试探着说：“老板，你……你要对百度下手吗？”
周不器道：“我看了一下微知网的数据，过去3个月，有超过1.1亿的访问量，是来自百度。”
王小船没有惊喜，深吸了口气，忧心忡忡的说：“微知的访问量本来就不高，如果屏蔽了百度，流量就更低了。”
周不器并不在乎，“微知不需要流量，微知需要的是优质内容。你都说了，百度的算法不如谷歌，很难通过简单的数据处理完成对一些有深度内容的检索，来爬取微知的内容，是简洁途径。有不少用户都是通过百度来访问微知，我们要断了这条线1
王小船眨眨眼，“真要屏蔽吗？”
“当然。”
“可robot协议没有法律效力。”
“啥？”
“这个协议，是一种行业约束，君子协定，不是法律条文。如果百度真想爬取微知的内容，完全可以通过技术手段跳过协议，强行爬龋”
周不器若有所思，“君子协定碍…如果强行爬取，有违商业道德？”
王小船点了点头，“可以这么理解。”
心中深深的不以为然。
商业道德？
这东西是一层窗户纸，一捅就破。
“如果违反了怎么办？”
“国外有过类似的案子，违反了协议，也被处罚了。因为法官认为这个协议虽不是法律条文，但作为广泛被接受的行业规则，就应该被遵守。不过国内好像不太行。就像rss聚合器似的，可以去各个网站上订阅信息。网站拒绝了rss订阅，依旧可以通过技术手段强行订阅。”
周不器想了一下，语气轻松，笑着说：“没事，百度在美国上市，不敢玩的太出格。先这么做吧，第一步，微知网屏蔽百度的爬虫。你这边也做准备，我打算一步步的、全面彻底的跟百度切割。”
王小船睁大眼睛，“全都切割？”
周不器淡淡地道：“对1
“这行吗？”
“你觉得切割了，对谁的危害更大？”
“这……”
王小船有些犹豫，不太好说。
周不器冷冷的道：“紫微星不主动欺负别人，却也不会任人欺负。百度从校内网挖了十几个人，把一个满建制的小组都给挖走了。不亮亮肌肉，李大老板以为我脾气好，好说话呢1
都屏蔽了，当然对微点搜索最有利。
可王小船格局没这么小，不认为这是个好主意，好心的提示一句，“咱们自身的利益也会受损。百度是最大的搜索引擎，是流量分发平台。”
周不器却很有信心，“平台的优势是轻量级，劣势是容易被人卡脖子。联想电脑品牌这么响，你知道联想最怕什么吗？最怕微软的系统授权和英特尔的芯片断供。每一次发生分歧，都要支付一大笔钱。如果把百度比作联想电脑，紫微星就需要成为最大的零配件供应商。微知、朋友网、校内网，接下来，我们还会有今日头条和微博。比比看1
(本章完)