研究人员可以使用程序来访问网站，将数据“扒”到外部数据库中。当研究人员无法进入到在线社区的基础数据库时，这是一种有效的数据采集方式，但这种方法有许多局限性。出于对用户权益、知识产权及服务器效率等的考虑，许多网站出台了“使用条款”来限制人们使用自动脚本下载用户数据。这一限制引起了人们对研究人员获取由私人实体“拥有”的数据的道德关注。当前环境下，多数在线社区都是私人拥有的商业实体。研究人员是否有权复制这些由第三方拥有的数据呢?除了道德问题之外，还牵涉到法律及技术问题，因为这些网站往往阻止使用自动脚本的计算机访问他们的服务器。
屏幕抓取数据的另一个局限是，并非研究人员感兴趣的所有行为都会被发布在网站上，因而抓取到的只是能够用这种方法自动检索到的数据。比如，单个用户的访问通常并不会呈现在网页上，因而是研究人员获取不了的。许多网站要求用户进行身份验证；在社交网站上，许多用户使用私密设置，除了“被加为好友”的用户外，任何人都是看不到其内容的。这就导致这些内容无法被抓取到，影响了研究者的整体抽样。
使用这种方法有利于研究那些不开放行为数据的网站。兰普、埃里森及斯坦菲尔德(Lampe,Ellison and Steinfield,2007)在获得了Facebook的允许后，下载了该网站上的所有用户配置文件数据，以表明某些配置文件字段比另一些更有助于确认身份。阿达米克和格兰斯(Adamic and Glance,2005)使用数据抓取程序下载了政治博客的一些链接，表明在有影响力的文章中，只有一小部分政治意识形态类的博客会提到其他意识形态内容(Adamic andGlance，2005)。
通过API获取数据
获取网站使用数据的另一个方法是，通过应用程序接口(API)，在允许接入第三方应用的在线社区创建一个应用。比如，Facebook允许第三方开发者创建应用，当用户使用这些应用时，其个人资料中的许多内容也开放给了这些应用。因而，如果用户使用了这个应用，研究者就可以自动检索到其好友数量、发布过的人口特征信息等。这种方法可有效地用于检索需经过用户验证，并且与网站使用条款相一致的信息。不过，必须得设法让用户装载这个应用，因为这这会影响到抽样的广度。
数字技术研究(世哲手册)
240
网站上的用户行为踪迹数据有许多种不同的方法。每种获取手段各有优缺点，下面将详细阐述。
数据采集
362