(原)采集百度注册用户信息到底有什么作用？(不断更新)
用50个程序在周末的两天两夜还能采集不少。我要加快速度，免得让百度把漏洞补上。（20080613）
———————–
这年头做站长真不容易，其实我也算不上站长，只是被百度逼的才建了这个站,自己做站要操心域名，空间大小，还要担心数据库是不是够用，用百度空间不用担心这些。一开始我就用百度的空间，而且是特别喜欢百度的产品，简单，实用。后来开发了百度空间留言助手，纯属个人爱好，也没其它想法，结果百度空间就屏蔽了我留言助手这几个字，我想在空间中更新一下开始日志都没办法保存，而且我的网站域名（www.vicmiao.com）也不能用了，最后忍痛还是搬出去了。刚开始研究百度空间的留言验证码时以为，每一张图是唯一对应一组128位字符串，我就开始收集这些字符串，并通过程序记录下这128位对应的四位验证码，
比如：2MD6 对应的128位字符串就是
FA4A5566EE8BEBA9F64C64B0E1A0CBBFF65A02E81CCCF74568FD395C46AA8C5C9
432D45EE6C758924ECC3A4F706F4212EF38699A9F19DD5126643FB097B8C896
我用了一套算法来收集验证码，过了几天发现有重复的四位验证吗，但是后面的128位字符串不一样，那样就收集验证码没什么意义了。
现在说怎么收集用户信息，目前有四种方法，一种比一种的效率高。
- 通过百度空间的最近访客深度遍历算法，这种算法的缺点很多，a.重复的ID太多，速度慢，b.会有一些用户永远都收集不到 c.只能收集有百度空间的的用户 d.只能收集到用户ID和百度空间名。优点是百度没办法控制，这个方法可以一直用下去。
- 通过在线Hier列表，缺点是更新太慢，大概是700个后就会出现重复。优点是，一次能取回用户的一些其它信息。
- 通过如何创建群可以知道百度用户ID和唯一数字对应。这个漏洞没几天就被上了。缺点：只有百度ID。优点，速度快。这个方法那几天还在各大网站上公布，当时我记得一贴子说，数字比较小的应该都是内部人员（我也这么认为，79是李彦宏），如果腾讯公司根据这些数字和用户名去百度挖墙角那就不好了。
- 这是我目前在用的，具体方法我还不打算公布。还没发现缺点。
下图是用第一种方法收集的信息,总共724962条信息
下图是用第三种方法收集的信息，
下图是我每天记录的，在我的百度空间发的私贴
一开始以为百度注册用户只有1千万，但是错了，现在还不知道收集这些用户做什么，但还是没有停下来。现在只是用户信息数据库有1.3GB,如果全部收集完，再加一些分析数据，可能要单独建一个服务器了。先就写这么多吧。
