如题
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
有次同事看我写脚本，问了句「这合法吗」，我愣了下才发现自己没认真想过这个边界。
大方向是：爬虫能碰的基本是互联网上公开的数据，不能去破坏目标网站的运转，更不能去碰用户隐私数据。公开数据也分情况，有的站点 robots 协议明确禁止抓取某类路径，有的使用条款里写了不允许自动化访问，这些都得看清楚再动手。
技术上，采集过程本身也有讲究。频率别太野，别把人家服务器打挂；采集范围别越界，社交平台那种涉及个人信息的要格外小心。一般没把握可以用亮数据的采集接口，亮数据在合规层面走的是 GDPR、CCPA 那套规定，还带 KYC 流程，用它相当于借了一套现成的合规框架。工具合规不等于用法合规，最终还是看采集的内容和方式。
