2008-02-15
知道什么是采集了，我恨采集
看了一些关于建网站的论坛，里面常常见到“采集”这个词，今天终于明白了。郁闷……
所谓的“采集”原来就是在自己的服务器上运行一个类似于搜索引挚爬虫的程序，设置好关键字，放出去让它在网上爬，把找到的内容统统下载到自己的服务器上，再发布到自己的网站。说白了这不和抄袭一样吗？说抄袭还轻了，手工复制粘贴虽然也常常侵权，但起码还算有所劳动。采集是自动化作业，几个小时就能抄下几十万的文章。
刚才在写一段C++程序时，忘了有关于Deque容器的一点东西，于是在Google里用“C++ deque”在中文网页里找。大家有兴趣可以试试，看看有多少个“深入研究C++中的STL Deque 容器”，或者干脆就用“深入研究C++中的STL Deque 容器”作关键字搜，这样效果更明显一些。这么多一样的东西，估计全是托“采集”的福。
中国在版权保护方面薄弱呀，这要是在某些国家可是要构成犯罪的。前些天在CSDN上听说一个留学美国的中国学生因贩卖盗版软件而被抓起来了。据说在美国做网站的，只要在你的网页里出现了未经授权的内容，并且有人举报，你就要因此付出代价，大家不是听说过Youtube惹来的官司吗？人家管得严呀。怪不得当我搜索英文资料时，很少会发现重复的内容，原来是人家管得严呀。
反观中文网页，一篇文章到处出现，到处被采集。看似内容挺多，其实全是冗余，信息量很少，可供压缩的余地很大，浪费了存储资源，浪费了CPU运算资源（采集软件要长时间运行），最可恨的是，浪费了用户的时间（大量被采集的东西很可能不是用户想找的，他只能慢慢地在大量相同的东西之间找到那些不同的）。
为什么采集这么流行？因为很多人想快速地建一个网站，获取很多的流量，在上面放很多的广告，赚很多的钱。于是有了很多的“垃圾站”，很多的Google Adsense账号被停用。有人抱怨Google Adsense规定得太严，对作弊打击得太狠。我看是太轻了。Adsense规定不得在网站中放置未经授权的内容，如果Google真的在这点上较真儿，不知道有多少站长能幸免于难。
当然不能否认的是，采集也有它的好处。当你的服务器数据丢失时，你可以通过搜索引挚做“数据恢复”，只要你的网站上的东西被采集过。
一个有意思的现象是，有绞尽脑汁采集的，也有想方设法防采集的，而且这两种人大多是某个网站的管理者。这纯粹成了技术上的较量了。
网站盈利非但无可厚非，还是一种值得鼓励的行为。但既想赚钱又不想劳动创造价值的人就可耻了。个人网站或者Blog如果保证所有的东西都是合法的，那么利用广告赚钱是几乎不可能的。我当初弄了个Adsense只是因为对它的关键字匹配感兴趣，放在页面上当图片用，自动更换。玩玩而已，现在一年多过去了，账上也才$1多一点。
所以，总而言之，做人要厚道。
所谓的“采集”原来就是在自己的服务器上运行一个类似于搜索引挚爬虫的程序，设置好关键字，放出去让它在网上爬，把找到的内容统统下载到自己的服务器上，再发布到自己的网站。说白了这不和抄袭一样吗？说抄袭还轻了，手工复制粘贴虽然也常常侵权，但起码还算有所劳动。采集是自动化作业，几个小时就能抄下几十万的文章。
刚才在写一段C++程序时，忘了有关于Deque容器的一点东西，于是在Google里用“C++ deque”在中文网页里找。大家有兴趣可以试试，看看有多少个“深入研究C++中的STL Deque 容器”，或者干脆就用“深入研究C++中的STL Deque 容器”作关键字搜，这样效果更明显一些。这么多一样的东西，估计全是托“采集”的福。
中国在版权保护方面薄弱呀，这要是在某些国家可是要构成犯罪的。前些天在CSDN上听说一个留学美国的中国学生因贩卖盗版软件而被抓起来了。据说在美国做网站的，只要在你的网页里出现了未经授权的内容，并且有人举报，你就要因此付出代价，大家不是听说过Youtube惹来的官司吗？人家管得严呀。怪不得当我搜索英文资料时，很少会发现重复的内容，原来是人家管得严呀。
反观中文网页，一篇文章到处出现，到处被采集。看似内容挺多，其实全是冗余，信息量很少，可供压缩的余地很大，浪费了存储资源，浪费了CPU运算资源（采集软件要长时间运行），最可恨的是，浪费了用户的时间（大量被采集的东西很可能不是用户想找的，他只能慢慢地在大量相同的东西之间找到那些不同的）。
为什么采集这么流行？因为很多人想快速地建一个网站，获取很多的流量，在上面放很多的广告，赚很多的钱。于是有了很多的“垃圾站”，很多的Google Adsense账号被停用。有人抱怨Google Adsense规定得太严，对作弊打击得太狠。我看是太轻了。Adsense规定不得在网站中放置未经授权的内容，如果Google真的在这点上较真儿，不知道有多少站长能幸免于难。
当然不能否认的是，采集也有它的好处。当你的服务器数据丢失时，你可以通过搜索引挚做“数据恢复”，只要你的网站上的东西被采集过。
一个有意思的现象是，有绞尽脑汁采集的，也有想方设法防采集的，而且这两种人大多是某个网站的管理者。这纯粹成了技术上的较量了。
网站盈利非但无可厚非，还是一种值得鼓励的行为。但既想赚钱又不想劳动创造价值的人就可耻了。个人网站或者Blog如果保证所有的东西都是合法的，那么利用广告赚钱是几乎不可能的。我当初弄了个Adsense只是因为对它的关键字匹配感兴趣，放在页面上当图片用，自动更换。玩玩而已，现在一年多过去了，账上也才$1多一点。
所以，总而言之，做人要厚道。
发表评论
ggggqqqqihc
- 浏览: 4273 次
- 性别:
- 来自: 廊坊
- 详细资料
搜索本博客
最近加入圈子
链接
最新评论
-
彻底进入Linux了
Java IDE可以看看NetBeans、Eclipse什么的。类似于Ultra ...
-- by billgui -
彻底进入Linux了
ubuntu确实简单易用，但多媒体方面还是不如win
-- by lveyo -
彻底进入Linux了
root给了10g，对于你80g的硬盘也差不多了， 软件都装home下面的 编 ...
-- by spiritfrog -
在网页中插入数学公式的办 ...
试试看
-- by lix23 -
想不到这段代码居然是错的
孔乙己茴香豆茴字有四种写法
-- by ShiningRay
评论排行榜