数据采集的三条红线
代理只是工具，合规与否取决于用途。采集公开数据、访问受限内容，与窃取个人信息、突破反爬防护之间，存在清晰的法律边界。使用代理做数据采集前，先对照三条红线自查：
- 不碰个人信息： 姓名、手机号、证件号、住址等属于受法律保护的个人信息，未经授权收集可能违反个人信息保护相关法规，即使数据在页面上公开展示也不例外。
- 不绕过技术措施： 破解登录验证、突破反爬机制、绕过付费墙，可能构成"未经授权访问计算机系统"，这在多个法域都是明确的违法情形。
- 不采集非公开数据： 需要登录才可见的内容、内部接口返回的数据，默认视为未授权范围，抓取前必须取得明确许可。
尊重 robots.txt 与站点条款
robots.txt 是站长对爬虫访问范围的意愿声明，即使技术上完全有能力抓取，也建议遵守协议约定。同时阅读目标网站的服务条款，许多站点明确禁止自动化访问。合规采集的常见做法：
- 优先使用官方 API、开放数据集或商务合作渠道获取数据，而不是直接抓页面。
- 爬虫使用可识别的 User-Agent，并在其中留下联系方式，方便站长在有问题时找到你。
- 限制频率、避开业务高峰，把对对方服务器的压力降到最低，这也是职业操守的体现。
地区法律差异要点
- 欧盟 GDPR： 处理欧盟用户数据需具备合法事由，且 IP 地址在 GDPR 下同样被认定为个人数据。
- 美国： CFAA 禁止未经授权访问受保护的计算机系统，各州对数据抓取的判例尺度不同，商业化项目应咨询律师。
- 中国： 数据安全法、个人信息保护法与网络安全法对数据收集、存储与出境均有明确要求，重要数据出境还需履行评估程序。
给开发者的合规自查清单
落地任何基于代理的业务之前，确认三件事：数据来源合法、使用目的正当、采集范围最小化。商业项目建议过一次法务评审，保留授权文件、合作凭证与操作日志备查。技术探索可以大胆假设，业务落地必须小心求证，这是使用代理技术的底线。
Article ID: 89
（本文仅供技术交流，请遵守法律法规）