新入职，我感觉我不适合这行

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

这是一个创建于 1548 天前的主题，其中的信息可能已经有所发展或是发生改变。

新入职，加这周才 2 周

老大这周一给我一个任务

爬 tmall 店铺商品列表

我只想说，周一到现在，我感觉我要自闭了

第 1 条附言 · 2020-09-27 18:58:44 +08:00

我还是太年轻啊。城市道路太滑了，说好的不加班，结果。。。。。。入职的第三天，搞到凌晨 2 点才回去

入职

自闭

tmall

周一

35 条回复 • 2020-09-27 12:15:09 +08:00

wangkun025

2020-09-25 15:55:21 +08:00

这个……食宿免费？

kop1989

2020-09-25 15:57:06 +08:00

动物节点可还行😂，码畜坐实了。
慢慢学习，程序员算是少有的知识就是力量的职业了。

feiniu

2020-09-25 16:18:51 +08:00

@wangkun025 晚上还是要回去的

feiniu

2020-09-25 16:19:23 +08:00

@kop1989 老哥有什么门路吗

gou7ma7

2020-09-25 16:25:27 +08:00 via Android

啥外企啊还爬，话说是不是真的 955 啊？我也在深大地铁站附近。

wysnylc

2020-09-25 16:27:14 +08:00

迟早进去

caicaiwoshishui

2020-09-25 16:48:59 +08:00 via iPhone

Github 没有这种轮子吗？可以查下

tomczhen

2020-09-25 18:03:00 +08:00 via Android

淘宝系的正常使用如果浏览快点都给你弹各种验证码，写爬虫还不如多顾几个大学生手工录入。

哦，不对，应该叫大数据实习生。

feiniu

2020-09-25 18:34:03 +08:00

@gou7ma7 955 是不可能的。到点了一个个都不走，我也不知道为什么。连续一周都是我第一个走。。。。

feiniu

2020-09-25 18:34:17 +08:00

@caicaiwoshishui 没找到轮子。。。

feiniu

2020-09-25 18:34:27 +08:00

@tomczhen 这也可以吗😭

Cooky

2020-09-25 18:36:55 +08:00 via Android

selenium 慢点跑？

TimeRain

2020-09-25 18:54:39 +08:00

这种爬虫公司蛮危险呀，爬虫一时爽，终身火葬场

helloworld2010

2020-09-25 19:05:23 +08:00

就写个爬虫而已，都开始怀疑自己能力了，建议先熟悉下 web 接口的一些规范，json/graphql 等等，html/css/js 也是。

feiniu

2020-09-25 19:08:53 +08:00

@helloworld2010 有过一年的前后端开发经验的。这个淘宝这个风控是真的牛皮......

v2hh

2020-09-25 20:20:19 +08:00

不要爬，真是经历，一个朋友公司爬的淘宝直播数据，他写的那部分代码，现在还在派出所，已经快有半个月了，公司老板目前还没事。

zixianlaiye

2020-09-25 20:21:02 +08:00

这种任务也是 nb，天猫的风控你要是这么容易写一个自动化爬取的，阿里那帮人的工资白开了

sixway

2020-09-25 20:44:01 +08:00

这个需要高质量的代理池，不然是无解的。

LiuJiang

2020-09-25 20:45:58 +08:00

这不赶紧跑，想啥。。。

asdf2020

2020-09-25 20:46:11 +08:00

记得淘宝系的最难抓取，有同事尝试是借了好多账号，然后控制频率才搞定，切换 IP

HFX3389

2020-09-25 20:47:06 +08:00

爬淘宝天猫说实话，就算能爬，也很难做自动化，分分钟风控，什么验证码就来了
而且爬虫写的好，牢饭吃到饱可不是一句空话

gou7ma7

2020-09-25 22:06:22 +08:00 via Android

@feiniu 当时杭州有个公司，在本站也是招聘的时候说 955，然后面试的时候给我说。刚去肯定会加班，然后我就没去。

gouflv

2020-09-25 22:14:27 +08:00 via iPhone

确实不适合，换个正常的公司

miku831

2020-09-25 23:51:54 +08:00 via Android

@v2hh 太恐怖了，真就不管老板啊

XD2333

2020-09-26 00:01:25 +08:00

不如去看看官方的接口，我记得这个你这个还是有的，没必要一个树上吊死。

jon

2020-09-26 00:16:05 +08:00

建议跑

TimeRain

2020-09-26 07:43:57 +08:00

实在不行换个公司吧，离爬虫远点比较好，爬虫个人感觉是离监狱最近的地方，别和我说公开数据可以爬，只要不影响到别人的业务就行，因为最终解释权在人家公司那里，他说你有罪大概率逃不掉，他没说不能做也不要掉以轻心，说不定有些公司就是专门搞这种爬数据的人

AJQA

2020-09-26 08:48:07 +08:00

headless chrome 加上千个类似 aws lambda 他们总不能分辨是爬虫了吧?
因为上千个 lambda 肯定会有很多 ip?
headless chrome 真实浏览器?

leafre

2020-09-26 09:59:32 +08:00

难吗

huai

2020-09-26 19:45:42 +08:00 via iPhone

所以爬取这种相当于公开的数据也是违法？楼上可以证实？还是也是道听途说（提问

efaun

2020-09-26 23:03:13 +08:00

@huai #30 IT 界的万能罪“破坏计算机信息系统罪”了解一下

Curtion

2020-09-27 10:39:21 +08:00

@huai #30 爬取有反扒机制或者有 Robots 协议的网站都是犯法的。

huai

2020-09-27 12:04:16 +08:00 via iPhone

@efaun 根据《中华人民共和国刑法》第二百八十六条规定，破坏计算机信息系统罪是指违反国家规定，对计算机信息系统功能或计算机信息系统中存储、处理或者传输的数据和应用程序进行破坏，或者故意制作、传播计算机病毒等破坏性程序，影响计算机系统正常运行，后果严重的行为

那估计爬虫 ddos ？

huai

2020-09-27 12:04:50 +08:00 via iPhone

@Curtion 反扒机制这个怎么算？有一些可能就是很轻松

Curtion

2020-09-27 12:15:09 +08:00

@huai #34 我说的反扒机制指的是：网站有故意设立的反扒机制，如果你尝试绕过这个机制去爬取数据就有一定风险，上面我说的它犯法不准确，因为没有法律明文，不过有风险是肯定的，因为有过判刑案列。