“爬虫”如何抢低价票？借助超链接信息抓取网页

“爬虫”究竟是如何抢票的

此前，在线票务服务公司携程的“反爬虫”专家在技术分享中透露，某网站的一个页面，每分钟的浏览量是1.2万，真实用户只有500个，“爬虫”流量占比为95.8%。

采访中，很多业内人士也表示，即使在“爬虫”活动的淡季，虚假流量也占到订票网站总流量的50%，高峰期更是在90%以上。

那么，“爬虫”究竟是如何实现抢票的呢？对此，闫怀志解释，主要是机票代理公司利用“爬虫”技术，不断抓取航空公司售票官网网页信息，如果发现该航空公司有低价票放出，“爬虫”即刻利用虚假客源身份进行批量预定但不实际支付，以达到抢占低价票源的目的。由于“爬虫”的效率远远超过正常的手动操作，导致通过正常操作几乎无法抢到票。

随后，机票代理公司会通过其自身销售渠道(包括公司网站、在线旅行社、客户电话订购等)找到真正的客源，在航空公司允许的账期内，退订此前使用虚假客源身份预定的低价票，然后使用真实身份信息进行订购，最后实现该低价票的加价转售。

如果未在航空公司规定的账期内找到真正客源，机票代理公司会在订单失效前再追加虚假身份订单，继续“霸占”该低价票，如此反复，直至找到真正客源售出为止。

“上面的操作流程就构成了完整的机票销售链条。在这个过程中，航空公司售票系统允许在账期内反复订、退票的规定为机票代理公司利用‘爬虫’抢票并加价获利提供便利。这种抢票方式，被称为技术‘黄牛’。”闫怀志强调。

的确，有业内人士表示，这些“爬虫”流量消耗了大量的机器资源，却不产生任何消费，这是每个公司最痛恨的东西。但是，因为怕误伤真实用户，各家公司的“反爬虫”策略做得非常谨慎。

采用一定手段 “爬虫”可防可控

任何事情都有两面，“爬虫”技术也不例外。

在闫怀志看来，“爬虫”既可为正常的数据批量获取提供有效的技术手段，也可被恶意使用以获取不当利益。如果“爬虫”技术被不正当利用，就会带来一定的危害。

首先，威胁数据安全。航空公司售票网站数据被恶意爬取，数据可能会被机票代理公司恶意利用，而且还存在被同业竞争对手获取的风险。

其次，导致系统性能下降，影响用户体验。“爬虫”大量的抓取请求会导致航空公司售票网站服务器资源负载上升、性能下降，网站响应变慢甚至无法提供服务，对用户搜索和交易体验造成负面影响。但由于存在巨大的灰色利益空间，同时“反爬虫”技术在与“爬虫”对抗中作用有限，使得这种显失公平的“作弊”方式成为扰乱机票市场秩序的技术“顽疾”。

“从技术角度来看，阻击‘爬虫’可以通过网站流量统计系统和服务器访问日志分析系统。”闫怀志说，通过流量统计和日志分析，如果发现单个IP访问、单个session访问、User-Agent信息超出设定的正常频度阈值，则判定该访问为恶意“爬虫”所为，将该“爬虫”的IP列入黑名单以拒绝其后续访问。

再就是设置各种访问验证环节。比如，在可疑IP访问时，返回验证页面，要求访问者通过填写验证码、选取验证图片或者字符等方式实现验证。如果是恶意“爬虫”爬取，显然很难完成上述验证操作，进而可以封锁该“爬虫”的访问，防止其恶意爬取信息。