互联网网站内容进行爬取，搜集到自家的后台中
数据的组织即如何将爬取下的海量数据进行处理，以使得用户能通过搜索快速获得高相关性的结果
陆道升要提前做好针对准备的就是百度的数据搜集过程，即通过反爬虫机制来限制百度对嘉盛旗下网站的内容爬取
这并不是对百度的进攻性策略，而是一种自保的防御手段
前世曾爆出国内某搜索引擎大量采用快照的形式来承接用户的点击跳转，大量屏蔽了用户对原网站的访问的事件
快照本来是搜索引擎为了应对一些网络连接或是网站失效等问题，将网站内容缓存在搜索引擎服务器上提供给用户，以保障用户搜索体验的方式
但是刻意的滥用，就会变成对原网站的剥削吸血，用了你的内容还不给你流量，把流量带来的各类收益（例如业务推广、广告收入等）全部拦截
也许有人会问，那既然这样，能不能就不让搜索引擎爬取网站内容，这样就没有快照，用户也只能来到网站进行访问
这么干不是不行，可以采取robots协议实现
简单来说，在搜索行业里存在一种robots协议，按照协议规范在网站的目录下部署xt文件，告知搜索引擎的爬虫哪些内容不应被爬取
即便有robots协议，爬虫还是可以爬取网站内容，但是搜索引擎服务却不能将爬取到的内容进行展现，否则就可以直接去法院把搜索引擎公司告得灰头土脸
但由于在PC互联网时代的中后期，搜索引擎就是最大的互联网流量入口，拥有互联网上最强大的话语权
中小网站如果拒绝搜索引擎的爬取，其实和自绝于互联网没啥两样
如果网站的拥有者还希望网站能被人们访问到的话，就只能乖乖接受搜索引擎的爬取，并祈祷搜索引擎公司足够讲道理，不过分使用快照等方式进行截流
其实robots协议里存在白名单的机制，看上去嘉盛可以只允许自家的搜索引的爬虫进行爬取，拒绝其他搜索引擎的爬虫
但实际上这一点也是行不通的
前世为了打击360，百度就曾使用robots协议白名单，禁止360抓取百度百科、百度贴吧和百度知道的内容，而谷歌、Bing、搜狗和搜搜等搜索引擎还可以自由抓取
360认为百度对robots协议的使用具有歧视性而拒绝遵守，百度也因此起诉360不遵守robots协议
本来robots协议作为行业通用守则，虽然不具备明确的法律效力，但是依然非常具有参考价值，百度觉得赢面很大
但双方对簿公堂后，由于百度难以“证明竞争对手的行为具有不正当性”，无法支持采取针对性限制360爬虫措施的正当性，所以最终没能借助法律手段