基于網(wǎng)絡(luò)爬蟲技術(shù)對電子商務(wù)多肉物種資源數(shù)據(jù)的研究

薛華杰，張 寧，傅怡寧，徐 飛，王書平，徐思越，印麗萍

上海出入境檢驗檢疫局，上海200135

基于網(wǎng)絡(luò)爬蟲技術(shù)對電子商務(wù)多肉物種資源數(shù)據(jù)的研究

薛華杰?，張 寧，傅怡寧，徐 飛，王書平，徐思越，印麗萍

上海出入境檢驗檢疫局，上海200135

【目的】近年來，通過電子商務(wù)平臺獲取境外珍貴的多肉物種資源已成為一種重要渠道，大量瀕危物種通過第三方物流方式非法流入我國。甄別瀕危物種并梳理出多肉物種資源重點查驗名單，能夠為物種資源查驗尤其是植物多肉類瀕危物種查驗提供參考?！痉椒ā恳钥缇扯嗳馕锓N資源交易的熱門平臺“多肉之家”為研究對象，基于網(wǎng)絡(luò)爬蟲技術(shù)平臺，獲取電商多肉植物926條種類數(shù)據(jù)，并對數(shù)據(jù)進(jìn)行篩選和歸類分析?！窘Y(jié)果】“多肉之家”平臺上交易的多肉植物共涉及23科878種，其中包含18種CITES附錄Ⅰ以及120種CITES附錄Ⅱ瀕危物種，約占16%。進(jìn)一步對瀕危植物進(jìn)行歸類分析發(fā)現(xiàn)，瀕危植物中仙人掌科和大戟科多肉植物種類最多，分別為66和36種，兩者占總計瀕危植物種類的74%?！窘Y(jié)論】網(wǎng)絡(luò)爬蟲技術(shù)在獲取電商類平臺的交易植物的種類數(shù)據(jù)上具有較好的實用性。

多肉；瀕危物種；電商；網(wǎng)絡(luò)爬蟲；CITES

隨著我國經(jīng)濟(jì)的高度發(fā)展和人民生活水平的日益提高，國內(nèi)的資源已無法支撐未來三四億中產(chǎn)階層的物質(zhì)需求和服務(wù)追求。因此，從全球獲得資源的“跨境消費”已日益成為一種時尚和潮流。2015年，全國各郵政口岸累計查驗進(jìn)境國際郵包3600余萬件，共截獲禁止進(jìn)境動植物及其產(chǎn)品29765批次，同比增長74%。作為全國最大的郵政口岸——上海，情況也不容樂觀。2015年，累計查驗進(jìn)境國際郵包1504萬件，占全國的1/3，截獲禁止郵寄進(jìn)境物共4168批次，同比增長42%，涵蓋活動物、特殊物品、植物繁殖材料等諸多高風(fēng)險物品，以及龜甲牡丹Paeonia suffruticosa Andr.、星兜A(chǔ)stro-phytum asterias Lem.等珍稀瀕危物種與腐爛莖線蟲Ditylenchus destructor Thorne、貝克劍線蟲Xiphinema Bakeri等檢疫性有害生物(國家質(zhì)量監(jiān)督檢驗檢疫局動植物檢疫監(jiān)管司，2016)。

雖然近年來檢驗檢疫系統(tǒng)在物種資源查驗，尤其是瀕危物種查驗方面取得了不錯的成績，但截獲的種類偏少，與CITES附錄Ⅰ和Ⅱ收錄的3萬余種植物相比(宋云等，2015；Convention on International Trade in Endangered Species of Wild Fauna and Flora，2013)，仍有巨大差距?？诎兑痪€人員面對海量的物種名單難以有效地開展日常鑒定工作。

本文基于網(wǎng)絡(luò)爬蟲技術(shù)平臺，通過抓取電商“多肉之家”多肉植物種類信息進(jìn)行分析，甄別出其中的瀕危物種并梳理出多肉物種資源重點查驗名單，為物種資源查驗，尤其是植物多肉類瀕危物種查驗提供參考。

1 材料與方法

1.1 網(wǎng)絡(luò)爬蟲技術(shù)

網(wǎng)絡(luò)爬蟲(web crawler)，又稱為網(wǎng)絡(luò)蜘蛛(web spider)或Web信息采集器，是一個自動下載網(wǎng)頁的計算機(jī)程序或自動化腳本(孫立偉等，2010)。網(wǎng)絡(luò)爬蟲通常從一個稱為種子集的URL集合開始運行，它將這些URL全部放入到一個有序的待爬行隊列里，按照一定的順序從中取出URL并下載所指向的頁面，分析頁面內(nèi)容，提取新的URL并存入待爬行URL隊列中，如此重復(fù)上面的過程，直到URL隊列為空或滿足某個爬行終止條件，從而遍歷Web。目前已在搜索引擎制作、電商信息分析等領(lǐng)域得到了推廣和應(yīng)用(孫立偉等，2010；王弘巍，2012； 楊頌，2010)。

1.2 抓取“多肉之家”物種資源

“多肉之家”為國內(nèi)最具人氣的多肉植物交流論壇之一，不僅在多肉養(yǎng)護(hù)種植等方面處于領(lǐng)先地位，而且是跨境多肉物種資源交易的熱門平臺。

基于“神箭手”(http:∥www.shenjianshou.cn/)網(wǎng)絡(luò)爬蟲平臺，通過對其采集爬蟲代碼進(jìn)行編輯，抓取“多肉之家”(www.drzj.net)收錄的多肉植物的學(xué)名、中文名、科等信息數(shù)據(jù)。

基于網(wǎng)絡(luò)爬蟲平臺，本次抓取共計獲得23科926種物種資源數(shù)據(jù)。

2 結(jié)果與分析

2.1 “多肉之家”物種資源種類構(gòu)成情況

將抓取的23科926種數(shù)據(jù)，經(jīng)人工甄別篩選，實際有效為23科878種，見圖1。前10名的科為:景天科 Crassulaceae 493種，百合科 Liliaceae 125種，仙人掌科Cactaceae 66種，番杏科Aizoaceae 53種，大戟科Euphorbiaceae 42種，龍舌蘭科Agavaceae 19種，菊科 Asteraceae 17種，蘿藦科 Asclepiadaceae 14種，馬齒莧科Portulacaceae 12種，夾竹桃科Apocynaceae 9種。

圖1 “多肉之家”物種資源科分布情況Fig.1 Number of succulent species per family found in www.drzj.net

2.2 “多肉之家”瀕危物種與非瀕危物種構(gòu)成情況

“多肉之家”共有878種物種資源。其中瀕危物種138種，CITES附錄Ⅰ瀕危物種18種，占2%，CITES附錄Ⅱ瀕危物種120種，占14%；其余物種資源740種，占84%。

“多肉之家”CITES附錄Ⅰ和CITES附錄Ⅱ瀕危物種的詳細(xì)情況，見表1。

表1 “多肉之家”CITES附錄Ⅰ和CITES附錄Ⅱ瀕危物種名單Table 1 List of endangered species of CITES AppendixⅠandⅡin www.drzj.net

續(xù)表1

2.3 “多肉之家”CITES附錄Ⅰ瀕危物種構(gòu)成情況

“多肉之家”CITES附錄Ⅰ瀕危物種共計3科18種。其中仙人掌科16種，約占88%；百合科1種，約占1%；大戟科1種，約占1%。

2.4 “多肉之家”CITES附錄Ⅱ瀕危物種構(gòu)成情況

“多肉之家”CITES附錄Ⅱ瀕危物種共計7科120種。其中馬齒莧科7種，約占6%；龍舌蘭科1種，約占1%；龍樹科Didiereaceae 3種，約占2%；百合科16種，約占13%；仙人掌科50種，約占42%；大戟科35種，約占29%；夾竹桃科8種，約占7%。

圖2 “多肉之家”CITES附錄Ⅱ瀕危物種構(gòu)成情況Fig.2 Proportion of endangered species under CITES AppendixⅡin www.drzj.net

3 討論

近年來物種資源保護(hù)得到質(zhì)檢總局、海關(guān)等相關(guān)口岸執(zhí)法部門的高度重視，口岸物種資源查驗點建設(shè)不斷加強(qiáng)，配套的政策法規(guī)也不斷完善，但業(yè)務(wù)量大、人員緊張、技術(shù)支撐不足等客觀因素限制了物種資源查驗工作的開展，而缺乏口岸重點查驗名單，則是導(dǎo)致目前查驗工作難以有效推進(jìn)的主要因素。植物瀕危的原因非常復(fù)雜，其中自身因素、物理因素、生物因素和人類活動是導(dǎo)致瀕危的四大主要原因(盛茂銀等，2011)。目前，CITES附錄Ⅰ和Ⅱ收錄的3萬余種植物，并不都是由于國際間非法買賣交易等人類活動導(dǎo)致其瀕危。因此，可通過貿(mào)易買賣的數(shù)據(jù)，對3萬余種植物進(jìn)行篩查，甄別出易被國際間非法買賣交易的物種，從而建立口岸重點查驗名單。“多肉之家”是國內(nèi)養(yǎng)護(hù)交流、交易買賣的多肉植物最具人氣的電商平臺之一，買賣雙方借助該平臺進(jìn)行交易。因此，對該網(wǎng)站的數(shù)據(jù)進(jìn)行分析就可以篩選出多肉物種資源重點查驗名單(表1)。

“多肉之家”收錄的仙人掌科植物有66種，全部是瀕危物種，其中龜甲牡丹、星兜等16種植物為CITES附錄Ⅰ瀕危物種，帝王龍Ortegocactus macdougallii Alexander、白鳥 Mammillaria herrerae Werderm.等50種植物為CITES附錄Ⅱ瀕危物種；“多肉之家”收錄的大戟科植物有42種，瀕危物種約占86%，其中皺葉麒麟Euphorbia decaryi Guillaumin為CITES附錄Ⅰ瀕危物種，華燭麒麟Euphorbia candelabrum var.bilocularis、柳麒麟 Euphorbia hedyotoides N.E.Brown等35種植物為CITES附錄Ⅱ瀕危物種。因此，建議口岸加強(qiáng)對仙人掌科和大戟科的物種資源查驗。造型奇特可愛的景天科植物受到多肉愛好者的熱捧和追逐，在“多肉之家”電商中被收錄了493種，約占總數(shù)的56%，但沒有一種是瀕危物種。不過，景天科植物的種類和數(shù)量眾多，同時口岸檢疫時曾多次截獲腐爛莖線蟲、貝克劍線蟲等檢疫性有害生物，因此口岸及其實驗室仍需注意對景天科植物的檢疫。

當(dāng)前口岸物種資源的查驗主要采取“人—機(jī)—犬”三位一體綜合查驗?zāi)Ｊ?吳晶等，2016)，只能初步判定是否為多肉物種。建議開展現(xiàn)場在線自動識別搜檢技術(shù)的研究，開發(fā)諸如花伴侶、形色、微軟識花等物種資源識別app軟件，從而提高工作效率。此外，物種資源的識別主要是依靠形態(tài)學(xué)方法，但是大多數(shù)物種在口岸并不能被迅速準(zhǔn)確識別，只能按照《中華人民共和國郵政法》等法律法規(guī)規(guī)定(中華人民共和國中央人民政府，2009)，放置一個多月后才能抵達(dá)實驗室，導(dǎo)致很多樣品枯萎、腐爛。另外，截獲的不少物種有很多尚處于營養(yǎng)生長階段，缺少只有在繁殖階段才會出現(xiàn)的花、果等鑒定到種的特征，上述情況嚴(yán)重影響了形態(tài)識別的效果。隨著分子生物學(xué)，特別是ITS、psbA-trnH等DNA條形碼技術(shù)的發(fā)展，已能達(dá)到屬甚至種的準(zhǔn)確識別(任保青和陳之端，2010)。因此，建議口岸查驗實驗室加大對DNA條形碼技術(shù)的研發(fā)，為物種資源查驗提供技術(shù)保障。

盛茂銀，沈初澤，陳祥，田興軍，2011.中國瀕危野生植物的資源現(xiàn)狀與保護(hù)對策.自然雜志，33(3):149-154.

任保青，陳之端，2010.植物DNA條形碼技術(shù).植物學(xué)報，45(1):1-12.

宋云，許瑾，趙竹，李明福，陳克，黃炎，陳乃中，2015.我國進(jìn)出口貿(mào)易中生物物種資源調(diào)查分析.植物檢疫，29(5):25-29.

孫立偉，何國輝，吳禮發(fā)，2010.網(wǎng)絡(luò)爬蟲技術(shù)的研究.電腦知識與技術(shù)，6(15):4112-4115.

王弘巍，2012.基于亞馬遜網(wǎng)站的特定電子商品爬蟲設(shè)計與實現(xiàn).碩士學(xué)位論文.長春:吉林大學(xué).

吳晶，李井干，殷連平，高穎，2016.中澳新進(jìn)境郵寄物檢疫的比較與分析.植物檢疫，30(5):14-17.

楊頌，2010.面向電子商務(wù)網(wǎng)站的增量爬蟲設(shè)計與實現(xiàn).碩士學(xué)位論文.長沙:湖南大學(xué).

國家質(zhì)量監(jiān)督檢驗檢疫局動植物檢疫監(jiān)管司.上海局嚴(yán)厲打擊虛假申報入境郵包.(2016-05-30)[2017-07-03].http:∥dzwjyjgs.aqsiq.gov.cn/gzdt/201605/t20160530＿467478.htm.

中華人民共和國中央人民政府，2009.中華人民共和國郵政法.(2009-04-24)[2017-07-03].http:∥www.gov.cn/flfg/2009-04/24/content＿1295123.htm.

Convention on International Trade in Endangered Species of Wild Fauna and Flora，2013.AppendicesⅠ，Ⅱ andⅢ.(2013-09-13)[2017-07-03].https:∥www.cites.org/eng/app/appendices.php.

Analysis of electronic business data for succulents species resource based on web crawler

XUE Huajie?， ZHANG Ning， FU Yining， XU Fei， WANG Shuping， XU Siyue， YIN Liping
Shanghai Entry-Exit Inspection and Quarantine Bureau， Shanghai， 200135， China

【Aim】 In recent years，obtaining foreign valuable succulent plants through the e-commerce platform has become an important channel and a large number of endangered species illegally were introduced into China through third-party logistics.Screening out endangered species and proposing a key checklist of succulent plants can provide a reference for the identification of species resources， especially for inspection of endangered succulent plants.【Method】 Based on the web crawler technology platform，926 categories of data on succulent plants were obtained from the popular internet trade platform"succulent plant house"in China.The data were then screened and classified according to CITES.【Result】 There were 878 species of succulent plants belonging to 23 families from the data obtained from the"succulent plant house"， which included 18 endangered species of CITESAppendixⅠ and 120 endangered species of CITESAppendixⅡ.The endangered species acconted for 16%of all the succulent plants imported.Results show that the most endangered plant species belonged to Cactaceae and Euphorbiaceae.The numbers of species in both families were respectively 66 and 36， accounting for 74%of the total endangered plant species.【Conclusion】 Results indicate that the web crawler technology platform has good feasibility in obtaining the species data in the e-commerce platform of plant trading.

succulents； endangered species； electronic business； web crawler； CITES

10.3969/j.issn.2095-1787.2017.04.010

2017-07-13 接受日期(Accepted):2017-10-20

國家質(zhì)量基礎(chǔ)的共性技術(shù)研究與應(yīng)用(2017YFF0210303)；上海檢驗檢疫局科研項目(HK004-2015)

薛華杰，男，高級農(nóng)藝師。研究方向:植物檢疫

?通信作者(Author for correspondence)， E-mail:xuehj＠shciq.gov.cn

(責(zé)任編輯:郭瑩)