随着大数据和人工智能的火爆，网络爬虫也被大家熟知起来。随之也出现一个问题，爬取隐私数据是违法的。其实，网络爬虫作为一门技术，技术本身是不违法的，且在大多数情况下，大家都可以放心的使用。但也有特殊情况，就是涉及到隐私数据。

触碰底线的隐私数据：

· 我想要访问某网站的手机号码，可以吗？

· 我想要朋友圈数据

今天跟大家说说隐私数据的问题，弄清楚了这些你才算是懂得大数据采集/网络爬虫技术，从而恰当好处地运用。

隐私数据包括哪些？

1.个人登录的身份、健康状况。网络用户在申请上网开户、个人主页、免费邮箱以及申请服务商提供的其他服务(购物、医疗、交友等)时，服务商往往要求用户登录姓名、年龄、住址、居民身份证编号、工作单位等身份和健康状况，服务商有义务和责任保守个人秘密，未经授权不得泄露。

如“凤凰网站”隐私权保护声明中指出：“本网站将对您所提供的资料进行严格的管理及保护，本网站将使用相应的技术，防止您的个人资料丢失、被盗用或遭篡改。”

2.个人的信用和财产状况，包括信用卡、电子消费卡、上网卡、上网帐号和密码、交易帐号和密码等。个人在上网、网上消费、交易时，登录和使用的各种信用卡、帐号均属个人隐私，不得泄露。

3.邮箱电址，邮箱地址同样是个人隐私，用户大多数不愿将之公开。掌握、搜集用户的邮箱并将之公开或提供给他人，致使用户收到大量的广告邮件、垃圾邮件或遭受攻击而不能正常使用，使用户受到干扰，显然也侵犯了用户的隐私权。

4.网络活动踪迹。个人在网上的活动踪迹，如IP地址、浏览踪迹、活动内容，均属个人的隐私。

所以，以上触碰底线的隐私数据，前嗅都做不到。浏览器不能公开访问的内容，属于黑客行为。

前嗅能为您做的，即所有公开数据。大家可以在互联网上看见的、都属于公开的数据。

前嗅都可以采集什么内容？

新闻类网站

新闻类网站，所有网站上能看到的东西都是可以采集的哦~

可以采集的内容包括：标题；作者；发布时间；新闻来源；二级标题；摘要；内容；视频网址；图片链接；语言；新闻类型；发布状态；删除状态；网址；网站名；内容源码等。

论坛类网站

论坛类网站，能采集到的，包括：帖子；发帖人；发帖时间；发帖数；发帖人关注数；发帖内容，回复内容等。

招聘类网站

招聘类网站，需要重点强调一下，需要付费才能看到的简历，不能采集！非公开的应聘者简历不能采集！

能采集的包括：公司名；招聘岗位；网页链接；职位分类；工作地点；专业需求；公司介绍；投递地址；所属行业；工作内容；工作要求；其他信息等。

企业信息类网站

应相关法律法规要求，全国工商信息系统，不能采集！

可以采集的网站中，能采集的内容包括：统一信用代码；纳税人识别号；注册号；组织机构代码；企业类型；所属行业；核准日期；登记机关；所属地区；英文名；曾用名；参保人数；人员规模；营业期限；企业地址；经营范围；法人公司分布等。

电商类网站

电商网站是否可以采集需要提前与技术顾问沟通，浏览电商网站某产品的用户手机号码不能采集！

可以采集的内容：价格；名字；关键词；图片链接；付款人数；链接地址等。

黄页类网站

黄页类网站和新闻类网站相同，基本上所有公开的信息都可以采集~

可以采集的内容：联系人；联系电话；公司名；网址等。

搜索引擎类

搜索引擎需要用户提供登录账号以及关键词，配置很简单，采集的时候无效数据会比较多。采集的内容当然也是能看到的啦~

海量网站配置

这个海量网站配置就有点厉害了，这项主要针对需要采集整个行业信息网站的用户，可以将上万个网站放入软件中，通过软件强大的处理功能，进行数据采集，从而获取全面的行业信息。