采集说明
适用网站：阅联（域名：www.rssunion.cn，以下简称"本站"）
发布日期：2026 年 10 月 30 日 最近更新：2026 年 10 月 30 日
联系邮箱：rssunion@126.com
本说明面向被本站收录的网站（源站）、内容作者及关注本站运作方式的朋友，如实公开本站"怎么抓、抓什么、不抓什么、抓来怎么用、不愿意被抓怎么办"。本说明是对《免责声明》《隐私政策》的技术性补充，三者侧重不同：免责声明讲责任划分，隐私政策讲个人信息处理，本文只讲内容采集本身。
一、为什么要采集：RSS 的性质
RSS（Really Simple Syndication）与 Atom 是互联网上历史悠久、公开、标准化的内容分发协议。一个网站对外提供 RSS Feed，其语义就是"欢迎订阅者与聚合工具按照此标准获取我主动发布的内容"。本站对 Feed 的抓取，正是基于这一协议本义：
- Feed 地址由源站主动公布在其网页上（通常标注 RSS / 订阅 / Feed 图标），或由站长向本站提交收录时主动提供；
- Feed 中的内容是源站主动、公开、面向不特定公众分发的内容，与需要登录、付费或授权才能访问的内容有本质区别；
- RSS 阅读器（如 Feedly、Inoreader）、门户网站聚合、搜索引擎收录，与阅读本站一样，都是该协议的正当使用方式。
本站不使用任何绕过、破解、伪造手段获取内容：不模拟登录、不绕过权限校验、不破解接口签名、不采集需要付费或授权才能访问的内容。
二、采集对象与范围（抓什么）
| 内容 | 是否采集 | 说明 |
|---|---|---|
| RSS / Atom Feed（XML） | ✔ 采集 | 唯一的采集入口，仅此一种 |
| Feed 中的标题、原文链接、发布时间 | ✔ 采集 | 用于列表展示与排序 |
| Feed 中的摘要（description / summary） | ✔ 采集 | 截取有限长度用于预览，不存全文 |
| Feed 中标注的封面/配图地址 | 视情况 | 仅记录 Feed 中自带的图片地址用于预览展示，不下载、不转存图片到本站 |
| Feed 中附带的正文全文（content:encoded） | ✘ 不采集 | 即使源站 Feed 输出全文，本站也只保留摘要长度，点击一律跳转源站阅读 |
| 源站的普通网页（HTML 文章页） | ✘ 不采集 | 不对文章页做网页爬取，不解析正文页 |
| 需要登录 / 付费 / 授权的内容 | ✘ 不采集 | 一律不碰 |
| 源站的用户评论、注册用户信息 | ✘ 不采集 | 不涉及 |
| 图片、音视频文件本体 | ✘ 不采集 | 不下载、不转存、不盗链重分发 |
| 站点基础信息（名称、首页地址、简介、分类） | ✔ 人工整理 | 来自站长提交或公开页面信息的人工整理，非爬虫抓取 |
简言之：入口只有一个（公开 Feed），范围只有元数据（标题 / 链接 / 摘要 / 时间），全文永远回源站看。
三、采集原理与技术流程
为了让源站和用户了解本站的运作，以下如实公开采集链路：
- 收录：源站通过站长提交（后台审核）进入本站收录库，登记信息包括网站名称、首页地址、RSS Feed 地址、简介、分类；
- 定时抓取：本站通过服务端定时任务，按固定周期（以本站后台设置为准，默认为低频次、非高峰密集抓取）逐一访问已收录网站的 Feed 地址；
- 解析入库：抓取到的 XML 按标准解析出文章条目（标题、链接、发布时间、摘要、GUID 唯一标识），以"文章缓存"形式存入本站自有数据库，同一篇文章以「站点 + GUID」或归一化链接判重，同一篇不重复入库展示；
- 前台展示：文章以"标题 + 摘要 + 来源站点 + 发布时间"的形式在列表中展示，点击即跳转源站原文页面；本站不提供任何形式的全文阅读页、缓存页或快照页；
- 保留周期：文章缓存按保留期滚动更新（默认仅保留近期文章，具体以本站设置为准），过期条目自动清理；源站删除 Feed 或停止输出后，本站不会再获得该文章的展示机会，直至自然过期；
- 统计上报：前台对文章阅读、网站点击做匿名计数（详见《隐私政策》第二节），该统计仅在本站内部用于排行展示。
请求特征：本站抓取请求为标准 HTTP GET，仅访问你主动公布的 Feed 地址本身，不会遍历你的全站 URL，不会请求你的静态资源（图片/CSS/JS），不会并发轰击。
四、采集边界与自律规则
本站自我约束以下边界，如有违反欢迎监督指正：
- 频率自律：低频定时抓取、按队列轮询，不做高频轮询，不给源站制造可感知的负载；Feed 抓取出错时按退避策略减少请求，不反复重试施压；
- 只认 Feed，不越界：Feed 里没有的东西不去别处"补抓"，不绕过 Feed 直接爬网页；
- 尊重下线：源站撤下 Feed、关闭订阅、返回 404/403 的，相应网站将停止更新展示，站长也可随时通知本站整体移除；
- 尊重 robots.txt 的精神：robots.txt 技术上主要约束网页爬虫，本站不爬网页；但对于明确在 robots.txt 或 Feed 中声明拒绝任何抓取/聚合的站点，本站在接到通知后会主动停止收录（详见第六节）；
- 不篡改：展示标题、摘要保持原意，不加工、不改写、不断章取义；摘要被截断时会以"……"等方式明示；
- 明确署名：每篇展示内容都标注来源站点名称，并提供醒目的原文链接；
- 不用于训练：本站采集的内容不用于训练任何人工智能模型，不向第三方批量转售或授权其再次采集。
五、法律边界与风险分析
本节如实说明本站对采集行为法律定性的理解与风险控制措施（本节为善意的一般性说明，不构成法律意见）。
5.1 本站的定性依据
- "提供搜索或链接服务"的定位：根据《信息网络传播权保护条例》，网络服务提供者为服务对象提供搜索或者链接服务，在"不知道也不应当知道"所链接的作品侵权、且接到权利人通知后及时断开链接的情形下，不承担赔偿责任（避风港规则）。本站展示标题与摘要、点击跳转源站的模式，即属于此类信息定位服务，而非内容提供；
- RSS 的授权语义：源站公开输出 Feed，即是以行业通行方式表明允许订阅与聚合展示；标题 + 有限摘要 + 署名 + 原文跳转的展示方式，目的与效果均为导流回源站而非替代源站；
- 不替代原有市场：本站不全文转载、不去广告、不做缓存快照，用户要读全文必须回到源站，不存在替代源站流量与收益的情形。
5.2 我们主动规避的风险
- 信息网络传播权风险：通过"只存元数据、不存全文、不提供站内全文阅读"规避"复制 + 向公众提供"作品内容的核心行为；
- 不正当竞争风险：不整体搬运、不替代性呈现、不屏蔽源站广告后二次分发，展示始终附来源与链接；
- 数据安全风险：不采集任何个人个人信息，Feed 中如混入作者个人信息（如邮箱字段）不作存储与展示；
- 聚合内容的二次风险：Feed 内容由源站负责，如源站内容侵权，本站在接到合格通知后依《免责声明》第四节流程及时删除 / 断开。
5.3 诚实说明的残余风险
互联网内容聚合的著作权边界在实务中仍有讨论空间（如"摘要展示多长算适当"）。本站的立场是：宁可少展示，不碰全文；同时保留对合理使用、链接服务定位的法律抗辩基础。如权利人对展示方式有异议，无需争议，直接按第六节通知，我们即可调整或移除。
六、源站的权利：拒绝、限制与移除
被收录的网站拥有随时退出的完整权利，流程同样简单：
6.1 三种自我处理方式（无需联系我们）
- 撤下或关闭 Feed：Feed 404 后本站自然停止更新该站内容，存量条目到期自动清理；
- 在 Feed 中仅输出标题：许多博客平台支持"摘要输出模式"，本站遵循 Feed 实际输出内容；
- 在 robots.txt 或站点公告中声明拒绝聚合：技术约束之外，请同时按 6.2 通知我们，以便我们及时人工下线。
6.2 请求移除或调整（联系我们）
发邮件至rssunion@126.com，注明：
- 你是网站的所有者或著作权人，附网站地址；
- 诉求：整体移除（收录 + 全部缓存）/ 仅移除摘要（保留标题与链接）/ 停止统计；
- 验证材料：能证明站点归属的任意一种（域名 whois 邮箱、站点上发布包含"RssUnion"字样的公告页、站点页脚管理联系方式等即可，不设高门槛）。
我们核实后一般 3 个工作日内处理完毕，并回复确认。不要求你先做任何技术改动，也不设置任何申诉障碍。
6.3 更正与重新收录
移除后若反悔，或希望修正名称、简介、Feed 地址、分类，站长可重新提交收录或发邮件更正，本站会在审核后处理；重要更正会记入站点的修改记录。
七、常见问题（FAQ）
Q1：你们抓取会不会影响我的服务器？
低频定时抓取一个你主动公布的 XML 文件，流量与一次普通访客刷新同量级，不会遍历站点、不会请求图片等大文件。
Q2：为什么排行榜里我的文章阅读数比真实访问低很多？
统计只计算经由本站发起的阅读上报；用户直接访问、RSS 阅读器内阅读、搜索引擎到达均不计入。该数字仅用于本站内部排序展示，不代表你的真实流量。
Q3：为什么同一篇文章会出现重复或计数偏差？
部分源站 Feed 的 GUID 不稳定（每次输出都变化），导致唯一标识失效。本站已按归一化链接做读取时去重与合并，仍可能存在个别误差，发现后可反馈给我们修正。
Q4：我的文章被收录了，但作者不是我，能投诉吗？
可以。著作权人（或经授权的代理人）按《免责声明》第四节的流程发送权利通知，我们核实后删除；网站所有者则按本文第六节处理整站。
Q5：你们会把我 Feed 里的全文存下来吗？
不会。即使你的 Feed 输出全文，本站也只保留有限长度摘要用于列表预览，本站任何页面都不提供全文阅读，一律跳转原文。
Q6：能只显示标题、不显示摘要吗？
可以，按第六节说明邮件告知即可；也可以反过来——如果你的 Feed 只输出标题，我们遵循 Feed，不会去别处抓摘要。
Q7：移除后，你们还会再收录我吗？
不会主动重新收录。若日后由他人再次提交你的站点，审核环节我们会核对移除名单予以拒绝。
Q8：采集的数据存在哪里？安全吗？
存于本站自有数据库，仅标题、链接、摘要、时间、来源等元数据，不涉及个人信息；安全措施见《隐私政策》第五节。
八、其他
- 本文与《免责声明》《隐私政策》共同构成本站的公开规则体系；本文未尽事宜或与法律法规冲突的，以法律法规及另两份文件为准；
- 本站的采集策略与保留周期可能随技术调整而变化，重大变化将在本页更新并修改「最近更新」日期；
- 对本文的任何疑问、建议或投诉，欢迎发送邮件至 mailto:rssunion@126.com，我们认真对待每一条反馈。
一句话总结：只抓你主动公开的 Feed，只存标题摘要和链接，全文永远回你那里看；你想退出，说一声就行。