百度空间自动踩脚印开发日志（1）

本周将研究百度空间的自动踩脚印机制，整个项目分为以下开发模块：

1、百度空间用户收集模块：利用爬虫对百度空间进行漫游，将所有用户空间地址解析出来，并保存在本地数据库中；数据库规划中要设计"用户活跃度"和"上次被踩日期"等列，以便效率；

2、自动访问模块：利用鼠标钩子和键盘钩子进行模拟用户输入、点击行为；这里放弃控制台操作，直接用浏览器模拟用户行为，可以确保踩脚印功能快速复用、同时规避防踩机制判断；

3、虚拟机环境部署：为了防止在踩脚印过程中被黑客博客挂马，将整个项目放在虚拟机中运行，生活在Matrix中的病毒不会对本地系统造成影响；

4、创建百度博客，用于吸引一次回访者，博客内容可随意建立，但内容全文引用超链接、并通过CSS样式表修改超链接形态，表观无法察觉其属于超链接；创建一次回访统计，便于观察回访效果；

5、创建二次点击目标网站，即一次回访到的博客中超链接指向网站，内容无关紧要，但要做好统计工作，便于分析整个项目成本和效率；


项目核心和所用到的技术：

1、爬虫效率与爬虫AI：肉乎乎的爬虫要防止掉入黑洞中、要确定被抓取用户是一个真实用户，而非另一个踩脚印的站长全套；

2、本地Mysql海量存储：百度空间用户预计在百万级，若采用单进程访问，每3秒访问一个空间，则每天踩3万人；

3、钩子进行模拟输入：键盘远程钩子输入、鼠标远程钩子控制都有现成代码，但要重写代码合二为一；

4、浏览器进程自动判断：若踩脚印过程中出现了多个浏览器进程、说明被挂马或弹窗，应自动关闭多余进程并短信预警、初始化Matrix世界，让尼欧和墨菲斯死翘翘。

注、本系列日志预期为5篇、预计本周内完成，效果报告下周奉上。