抓站系统利弊谈

文/吴海菁

随着互联网的普及，一个个网站也如过江之鲫，在虚拟世界里充当最主要的角色。网络的兴起带来内容更新的需求，而内容建设又带动网站编辑队伍的繁荣。前不久网站编辑列入新兴职业行列之林，这也为网站编辑正本清源。然而尽管已经存在了几年之久，网站编辑的工作并没有脱离“Ctrl+C复制”和“Ctrl+V粘贴”的机械劳动，很多编辑也因此患上了“鼠标手”、“视窗脸”、“干眼症”和“颈椎病”。事实上，机械、单调和重复的劳动恰恰是计算机的专长，只不过软件技术还没有达到将编辑工作提炼，升华成程序化操作的地步。

那么，有没有一种方法来替代网站编辑的工作，或者设计出一种抓站系统（也叫软件机器人系统）自动完成内容入数据库之前的全部工作，而网站编辑只需对抓站系统的“劳动成果”进行简单的修改，就可实现快速发布？

要回答这个问题，就必须从网站编辑的工作流程入手分析。目前几乎所有的网站都是转载成风，不管是授权还是非授权，编辑的绝大部分精力都用于转载、编辑、排版与入库等操作。在这个过程之中，入库是最繁琐，也是最机械的工作。根据各个网站的发布系统不同，入库操作会略有差异，但是基本都是登陆入库系统、选择栏目、输入标题、输入作者名、输入正文、选择图片路径、提供相关文章链接，提供关键字链接等步骤。在这些过程中，最后两步稍微能体现出编辑的创造力，因为编辑也要揣摩读者对哪些相关内容有进一步阅读的兴趣，而有时关键字链接为吸引在线广告业主，而将他们公司的名称与公司的网址绑定。在转载过程中，真正能体现编辑的价值也仅仅在于应该选择哪些文章来发布。

　　如果用抓站系统来做网站编辑工作，那么需要有“搜索、提取、编辑、排版和入库”等五个步骤，最后可以由抓站系统直接发布，也可以由编辑自己来取舍，并实施发布。在这五个步骤中，搜索和提取是其中的关键所在。

　　随着搜索引擎技术的发展，在网络中搜寻内容并不是件很难的事情。搜索步骤最难的部分在于如何选择合适的信息源网站、合适的关键字以及更新时间等，为自身的网站提供源源不断的专业内容。合适的信息源网站首先应该是规范化的网站，它们提供的网站有固定而规范的格式，以便抓站系统在提取步骤获得发布系统需要的各个要素。合适的信息源网站还应该是各种权威的专业化网站，以便抓站系统获得有价值的有效内容。关键字的选取也很重要，这决定了抓站系统是否能找准、找到目标网站想要的内容。随着大量信息的聚合，抓站系统慢慢只需要获取其他网站的最新内容，利用RSS等技术，完全可以获得信息源网站的更新内容。

　　提取步骤是抓站系统的核心部分，对于规范的信息源网站而言，获取其中的要素(标题、作者、发布时间、来源、正文等)，丢弃其中的糟粕(在线广告、垃圾链接、无用图片等)并不太难。但是对于一些并不正规的网站，如何从Web页面中提取有效的要素，还有不小的难度，必要时还需要加入智能化的分析算法，利用人工智能的手段保证信息的正确性和有效性。

　　抓站系统获得信息的基本要素之后，需要根据目标网站的需求对其进行简单的加工处理，这也称作编辑步骤。比如更换标题、加入编者按和内容简介等，这部分工作可以由人工来完成，也可以由抓站系统自动完成。

　　编辑步骤结束之后，则进入自动排版步骤。抓站系统要将已经得到的信息基本要素填入排版系统相关表格中，根据需要实现分页、添加图片、选择字体等工作。

　　排版结束之后，最后完成入库步骤。入库之前需要添加相关文章链接和关键字链接，这部分工作可以由抓站系统自动完成，也可以在网站编辑的干涉下最终完成。

　　经过上述五个步骤，抓站系统可以在网站编辑休息的情况下，自动将信息源网站的，与关键字相关联的最新信息“抓过来”，放入目标网站的数据库中，并根据不同的设置决定是否由抓站系统还是网站编辑最终发布。

　　从上述步骤来看，抓站系统并不是非常神秘的系统，其技术可行性很强。据笔者了解，有些门户网站和专业网站早就在做一些实验性的探索工作，只不过这种技术手段不能摆脱“版权”的困扰，因此一般都是低调处理。

　　随着技术的进步，抓站系统的出现只是时间早晚的问题，其最大的好处就是能够大大解放网站编辑的双手，真正从机械式的高强度劳动中解脱出来，而将主要精力放在内容建设或者内容的二次“开发”上，提升编辑素质的整体门槛。从网站的运营角度来说，抓站系统能够削减网站编辑人员数量，压缩相关投资，从而获得更加高效的产出比。

　　不过抓站系统的问题也很突出。与RSS和网摘等技术形式不同，抓站系统“攫取”文章内容的全部要素，而不是只获取标题、作者、摘要、链接。换句话说，RSS和网摘阅读最终都将文章的正文指向了信息源网站，从某种形式上是为信息源网站做出了推广和宣传的贡献，而抓站系统完完全全将信息占有，并将它改头换面，转换成目标网站的信息，不可避免会有版权上的纠纷。另外，在互联网中，抓站系统的泛滥必然导致更多重复的“垃圾信息”，这不仅会占据大量的互联网资源，而且也会对用户的视觉造成极大的污染。

　　在利与弊之间权衡，“利”永远会占据上风，因此抓站系统的风行难以避免。