爬虫还得招专门的工程师？

[wuyuchenshishabi]

这不是一个数据从业者的基本素养？

[bazingaterry]

术业有专攻，看需求

[p2pCoder]

要看你要收集的数据的多少和爬取的网站的难度了

就像我 现在 再为一家大型 p2p 公司开发 征信相关的爬虫

核心就是登陆 然后 通过相关的安全验证，我们做了 京东 淘宝 电信 联通 移动 学信 征信 这些个人用户信息的爬取，都是需要 登陆，其中 暗坑也很多，最复杂的就是 猜 session 校验，cookie 还比较好搞，session 中的校验我在客户端就只能猜，请求 ，然后试错。前端的 js html 也必须懂，起码要能做 js 断点调试，特别是 对于 加密算法，不能一遇到加密就是 selenium，否则性能跟不上

然后就是爬虫本身要提供服务，就像 聚信立 等 数据提供商做的，其中 的 长连接 容错，如何保存，微服务也要考虑

这两个月 面试了二十来个人，满意的就一两个，很多 都满足不了我们的需求，特别是 基础不好，http 的理解就是个基础，对于 web 后端也没有了解，前端也不熟，基本也就入个门

[ljcarsenal]

@p2pCoder 阿里系这种大公司也能破？

[p2pCoder]

@ljcarsenal 登录就用 selenium，而且因为 ip 的问题，还需要再次验证短信验证码
只要拿到 cookie，后面的参数和 http 请求头不触发 内部的一些安全机制，比如 csrf css，还有一些 token 找准确了，都能行
京东和淘宝我们都这样做了，不过相当麻烦

反正就是要关注 http 请求 的每一个参数，以及 http 请求头的参数，做的时候


当然现在还有一种方法，不模拟登陆，直接在自家 app 内嵌 浏览器，让用户登陆，然后 拿 cookie

[takanasi]

@p2pCoder 真阴险啊

[p2pCoder]

@takanasi 开发之前首先找法务部门，现在这些 p2p 与现金贷公司都面对的是 次级用户，这些人 也不如 v 站上的程序员这么警觉
说到底，这些老板 还是想做自己的风控，做自己的数据

[golmic]

@p2pCoder #6 我前几天尝试用模拟请求的方式过了淘宝的 js 加密，其他网站的模拟登录应该更不在话下了。如果其他网站有需求的话可以联系我。

[codermagefox]

@p2pCoder 真阴险啊+1,不过我好像挺喜欢这种活是怎么回事,可惜自己太菜

[hugee]

采简单的东西当然没问题，一看 lz 就是没遇到过有难度的

[sunchen]

日常 30%时间写爬虫的路过。
想知道楼主破解过 APP 吗，写过分布式 Xposed hook 手机集群吗？自定义过爬虫专用的 android rom 吗？搭过代理集群吗？搞定过多少验证码？
其实我想说 sql 写的溜一般是爬虫工程师的基本素养。

[sensui7]

有没有专门的岗位取决于工作量, 而不是技术.

[Lin3w]

大型分布式爬虫。。。
而且工作量是岗位分配的一个影响因素吧

[gouchaoer]

@sunchen 你说的这些要做下来是非常困难的，用 xposed hook 应用的 api 可以说是搞 app 的终极杀器，这套方案你们搞定了？

[gouchaoer]

@sunchen 能求个微博关注一下么？ V2EX 没私信不好说啊，我这边有些心得我们可以交流一下

[defunct9]

感觉楼上都是作恶的人啊

[gouchaoer]

@defunct9 don't judge，尤其用谷歌的信条来 judge 人

[sunchen]

@gouchaoer 不用微博，马化腾 MjQ0MTkzMjkw

[artandlol]

防爬虫都可以再招个人

[shyling]

表示被 4 个网站的爬虫天天折腾。。。讲真学爬虫不得学会 js 反混淆，各种调试，熟练 http 协议，反编 android, ios 程序，写段 cnn 识别验证码，做做分布式抓取？

[whatisnew]

开发还得招专门的开发工程师？产品运营客服两下就搞定了