一张公开网页，能直接进入商业训练集吗？

吕箐翎律师的判断是：单一公开网页能够被访问，不等于其内容当然可以进入商业训练集；仍应分别核对内容受保护情况、拟进行的复制与使用、网站当时规则或技术限制，以及权利人是否已作相应授权。

“看得到”只说明可访问

网页公开展示，能够说明访问者在当时可以看到页面；它本身不等于权利人已对商业训练、数据集再利用或模型输出作出许可。文字、图片、音视频、代码或其他页面内容是否受著作权法保护，也要结合具体表达和素材来源判断。

因此，不能只凭页面没有登录门槛，就把“可访问”写成“可用于商业训练”；也不能脱离具体页面、行为和权利来源，反过来概括为任何公开内容均不得使用。

把拟进行的行为拆开

实际项目应先说明要做什么：是单次阅读和分析，还是批量抓取、复制保存、清洗标注、对外提供数据集，或将其用于模型训练和后续商业产品。不同环节涉及的内容、数量、保存方式和对外使用不同，不能用一个“研究”或“训练”笼统覆盖。

对含有多个来源素材的网页，还应区分网站运营者、页面作者、图片或视频权利人是否一致。页面上有署名、版权声明、转载说明或授权标识时，应把这些信息与拟使用的具体内容对应，而不是只记录网址。

网站规则与技术限制需要查当时原文

某一网站是否允许抓取、是否有访问条款、robots 规则、登录门槛或其他技术限制，属于具体网站和具体时间的事实。没有保存当时页面原文、规则页面和访问方式，就不能概括其已同意或拒绝商业训练。

这里最容易出现的误区是把行业传闻当作规则：没有实际网站的授权条款或可核验授权链时，应明确这是尚待核实的事实，而不是据此下“公开即授权”或“公开即禁止”的结论。

下一步先固定页面和授权链

准备使用前，至少固定拟纳入的页面版本、内容类型、获取时间、页面可见的署名与版权信息、访问规则及拟使用方式；再核对是否存在覆盖商业训练的授权、许可或其他可适用依据。若这些材料不能闭合，较稳妥的结论是该网页尚不宜直接进入商业训练集，而不是以可访问性替代授权判断。