网络爬虫能将信息转化为电信号

你盯着屏幕看网页的时候，浏览器干了一件事：把服务器传过来的爬虫二进制数据变成像素点。但爬虫不干这个。信息信号爬虫把网页源码里那些<div>、转化<span>里的网络为电文字抠出来，存进数据库，爬虫或者直接扔给下游程序。信息信号这个过程本身就产生电信号——CPU里晶体管的转化开关，内存条上电容的网络为电充放电，硬盘磁头写数据时的爬虫电流脉冲。

我拆过一台旧笔记本的信息信号硬盘，机械盘。转化通电读写的网络为电时候，你能听到极细微的爬虫“咔嗒”声，那是信息信号磁头在盘片上找磁道。爬虫每存一条数据，磁头就动一次。现在换成SSD，声音没了，但电子在浮栅晶体管里穿隧氧化层，一样是电信号在干活。

说回爬虫本身。用Python写个最简单的：requests.get(url)，然后BeautifulSoup解析。这行代码执行的时候，网卡先把光信号或电信号转成数字信号，CPU跑TCP/IP协议栈，内存里堆出一棵DOM树。你写的那句soup.find('title').text，实际上是在几百万个晶体管的状态里翻找对应的电压组合。

有意思的是，爬虫把信息“转化”成电信号，不是一步到位的。中间隔了好几层抽象。HTTP响应是字节流，解码成字符串，再解析成树结构，最后提取出你想要的字段。每一层转换都对应着物理层面的电流变化。你写代码的时候感觉在操作“信息”，但机器只认电压高低。

有个做数据采集的朋友跟我说，他爬一个电商网站的价格，跑了一晚上，早上看日志发现硬盘写满了。那几百万条价格记录，在物理上就是硬盘盘片上几千万个磁畴的磁化方向。每一个方向翻转，都需要一个电流脉冲。信息变成了磁，磁又变回电信号才能被读出来。

换个角度。爬虫抓到的数据如果直接送进GPU做训练，比如拿图片URL去下载图片然后跑CNN，那电信号的规模就大了。一张1080p的图片，RGB三个通道，每个像素8位，大概600万个字节。GPU处理的时候，每个字节都要在显存和计算单元之间来回搬运。那电流，风扇都压不住。

我试过用树莓派跑爬虫。树莓派的GPIO引脚可以输出3.3V或0V。你写个脚本，每爬到一条数据就点亮一个LED。LED亮的时候，引脚输出高电平，电流流过PN结，发光。那条数据就变成了光——本质上还是电信号转成了光信号。如果你把LED换成蜂鸣器，数据就变成了声音。换成继电器，就能控制220V的电器。

所以“信息转化为电信号”这个说法，其实有点倒置。信息本来就是以电信号的形式存在的。爬虫做的事情，是把一种电信号模式（网络传输的字节流）转换成另一种电信号模式（磁盘上的磁畴、内存里的电荷、CPU里的寄存器状态）。你看到的文字、图片、视频，在机器眼里全是电压的排列组合。

下次你写for item in items: save(item)的时候，可以想想：循环每跑一次，CPU里就有几十亿个电子在硅晶体里移动。它们穿过PN结，被电场加速，撞上晶格，产生热。你的数据就这么被“写”进了物理世界。挺魔幻的，但这就是事实。