网站通过采集内容来增加数据量一直以来都有，但是越发感觉最近两年尤为猖狂。相比而言，搜索引擎处理这类的惩戒百度比谷歌要弱一些，虽然也会有各种所谓的搜索引擎规则，但是并没有多大的奏效。看到很多人通过采集头条、公众号、网站数据做的不错的网站。
当然，如今采集的技术含量也有提高，比如用爬虫进行AI组合伪原创，通过老域名权重的减少审核周期。实话，这类的做法确实给我们很多正规玩法的有些心寒，为什么我们要认真创作内容？当然，希望搜索引擎能正视这个问题，给予公正的处理。
当然，采集数据也会有一些风险，比如版权。比如抓取到一些违规的词和内容。昨天晚上，网友联系我，说自己的网站采集数据有违规内容被当地网安要求处理数据，有没有更好的办法。
我给的建议就是通过接口批量的排查内容违规词。他的网站采集应该有40W内容，难免有一些违规词汇，如果合适也可以尽快出手，这个也许是很多采集站的归宿。
