---
title: "Como extrair dados de um site: Excel, Python e ferramentas"
description: "O jeito de extrair dados de um site depende do volume e da estrutura da página. Cinco métodos, do Excel ao Python, e quando cada um deles é suficiente."
url: https://proxynet.io/pt-br/blog/extract-data-from-website
date: 2026-09-19
author: "Enver Kaya"
category: "Casos de uso, Web scraping"
lang: pt-BR
---

# Como extrair dados de um site: Excel, Python e ferramentas

Você quer levar para o seu próprio arquivo a lista de preços de um fornecedor, o nome e o preço de duzentos produtos de uma livraria online ou a tabela que um órgão público atualiza toda semana. A primeira ideia é copiar e colar. Com dez linhas funciona, com mil consome uma tarde inteira. Quem pesquisa "extrair dados de um site" procura sempre a mesma coisa: um jeito de não fazer esse trabalho à mão.

Não existe um caminho único, porque o método certo depende de quantas páginas você precisa, de como a página foi construída e de com que frequência a tarefa vai se repetir. Neste artigo organizamos os métodos como uma escada: o recurso Da Web do Excel, as fórmulas do Google Planilhas, extensões de navegador e ferramentas sem código, Python com Requests e BeautifulSoup e, no topo, o navegador headless. Em cada degrau explicamos para que ele basta, onde ele trava e em que degrau o proxy entra na história. Rodamos os exemplos em Python deste artigo em um site de treino.

> **Nota: Resposta rápida**
>
> Se a página tem uma tabela bem montada e você vai repetir a tarefa algumas vezes por mês, o recurso **Dados > Da Web** do Excel ou a fórmula `IMPORTHTML` do Google Planilhas resolve. Se os dados não estão em tabela, e sim distribuídos em cartões, uma extensão de navegador ou uma ferramenta sem código dá conta. Dezenas de páginas, repetição regular e um formato de arquivo próprio pedem Python. Se a página preenche o conteúdo depois, com JavaScript, entra o degrau mais alto, o navegador headless. Em qualquer degrau, veja primeiro se o site tem uma API ou um botão de download.

## O que significa extrair dados de um site?

Extrair dados de um site é transformar a informação organizada para o olho humano (nome do produto, preço, data, endereço) em um arquivo feito de linhas e colunas. O nome técnico é web scraping; no restante do artigo vamos dizer "scraping" ou "extração de dados". A definição em detalhe, e qual proxy se usa em cada tipo de trabalho, estão na nossa página da [solução de extração de dados](/pt-br/data-scraping). Este artigo não trata da definição, e sim da escolha do método.

Vale separar logo de início três conceitos que costumam se confundir:

- **Rastreamento (crawling):** Descobrir quais páginas existem em um site, ou seja, montar a lista de endereços. É o que os buscadores fazem. Os detalhes estão na nossa página de [web crawler](/pt-br/web-crawler).
- **Extração (scraping):** Retirar campos específicos de uma página cujo endereço você já conhece. O rastreamento entrega os endereços, a extração entrega a informação que está dentro deles.
- **API:** A porta oficial pela qual o site já entrega os dados de forma estruturada, quase sempre em JSON. Se existe API, não é preciso analisar a página.

## Antes de extrair: existe uma API ou um botão de download?

A extração de dados mais barata é a que nem chega a ser feita. Antes de decidir o método, olhe nestes três lugares:

1. **API oficial.** Marketplaces oferecem API aos vendedores, e órgãos públicos, aos pesquisadores. O Banco Central do Brasil, por exemplo, publica as cotações de câmbio e suas outras séries no [Portal de Dados Abertos](https://dadosabertos.bcb.gov.br/), tanto por uma interface quanto por um serviço web. Para uma tabela de câmbio, vá à própria fonte em vez de analisar um site de notícias.
2. **Botão de download.** Há mais páginas do que parece com um link "Exportar para Excel" ou "Baixar CSV" embaixo da tabela. Os portais de dados dos institutos de estatística funcionam assim.
3. **A requisição de dados da própria página.** Algumas páginas buscam o conteúdo em segundo plano em um endereço JSON. Mostramos passo a passo como encontrar esse endereço em [Páginas estáticas e dinâmicas](/pt-br/blog/static-vs-dynamic-pages).

Se nada disso existir, parte-se para a extração, mas com quatro regras. Só se coletam dados públicos, que não exigem login. Leem-se o [arquivo robots.txt](/pt-br/blog/robots-txt) do site e os termos de uso; sites de classificados, de placar esportivo e redes sociais cujos termos proíbem expressamente a coleta automatizada não são alvo dos métodos deste artigo. Nome, telefone e e-mail são dados pessoais cobertos pela LGPD, e o argumento "estava à vista na página" não muda isso; reunimos o quadro legal em [Web scraping é legal?](/pt-br/blog/is-data-web-scraping-legal). A última regra é a velocidade: o site não pode ficar mais lento por sua causa.

Por isso todos os exemplos do artigo rodam em [books.toscrape.com](https://books.toscrape.com/), um site montado para treinar scraping. O site se apresenta como "site de demonstração para fins de web scraping"; os preços e as avaliações são atribuídos ao acaso.

## Como uma requisição vira dado?

Usando Excel ou escrevendo Python, os mesmos seis passos rodam por baixo. A diferença entre os métodos é quantos desses passos eles fazem por você.

1. **A requisição é enviada.** A ferramenta manda uma requisição HTTP para o endereço da página, como um navegador faria.
2. **A resposta chega.** O servidor devolve um código de status e o HTML da página. O que significam os códigos diferentes de `200` está no nosso artigo sobre [códigos de status HTTP](/pt-br/blog/http-status-codes-web-scraping).
3. **O HTML é analisado.** O texto puro vira uma árvore de tags aninhadas.
4. **Os campos são selecionados.** Escreve-se uma regra do tipo "o título e o preço dentro de cada cartão de produto". A linguagem dessa regra é um seletor CSS ou XPath; comparamos os dois em [Seletor CSS ou XPath](/pt-br/blog/css-selector-vs-xpath).
5. **As linhas são salvas.** Os campos selecionados vão para uma tabela, um arquivo CSV ou um banco de dados.
6. **Passa-se para a página seguinte.** Se a lista ocupa várias páginas, os passos 1 a 5 se repetem em cada uma.

O Excel e o Planilhas fazem todos esses passos com um clique, mas têm opções limitadas no quarto. As ferramentas sem código deixam você descrever esse passo com o mouse. Em Python os seis passos ficam nas suas mãos.

## Métodos de extração de dados lado a lado

| Degrau | Método | Precisa de código? | Quando basta? | Onde trava? |
|---|---|---|---|---|
| 1 | Excel, Dados > Da Web | Não | A página tem uma tabela HTML e os dados serão trabalhados no Excel | Páginas em layout de cartões, login por formulário, listas de muitas páginas |
| 2 | Google Planilhas, `IMPORTHTML` e `IMPORTXML` | Fórmula | Uma única página que deve ficar atualizada em uma planilha compartilhada | Conteúdo preenchido por JavaScript, página que exige login, fórmulas em grande número |
| 3 | Extensão de navegador ou ferramenta sem código | Não | Layout de cartões, algumas centenas de linhas, trabalho pontual | Repetição regular, grande volume, receitas que quebram quando o design do site muda |
| 4 | Python, Requests e BeautifulSoup | Sim | Dezenas ou milhares de páginas, execução agendada, seu próprio formato | Conteúdo preenchido depois por JavaScript |
| 5 | Navegador headless (Playwright) | Sim | O conteúdo só existe depois que o navegador o gera | Velocidade e recursos: roda um navegador de verdade para cada página |

Suba a escada de baixo para cima. Se um degrau inferior resolve o seu trabalho, subir para o próximo só traz manutenção a mais.

## Degrau 1: obter dados de um site com o Excel

O Excel tem um recurso embutido para isso, e muita gente não conhece. Os passos da [página de suporte da Microsoft](https://support.microsoft.com/pt-br/excel/get-started/import-data-from-the-web) são estes: na guia **Dados**, na seção "Obter e Transformar", seleciona-se **Da Web**, cola-se o endereço da página e confirma-se com **OK**. O Excel encontra as tabelas da página e as lista no painel **Navegador**. Quando você escolhe a tabela que quer e seleciona **Carregar**, os dados chegam à planilha. A conexão fica no arquivo; na semana seguinte você não repete os passos, apenas atualiza a consulta. A guia "Exibição da Web" do Navegador mostra a própria página e realça as tabelas detectadas.

Onde ele trava também é claro. O recurso funciona melhor com tabelas construídas de fato com a tag `<table>` no HTML. A página inicial do nosso site de treino não tem uma única tag de tabela, os livros estão dispostos em cartões; em páginas assim o Navegador pode não sugerir a tabela que você procura, e sobra o botão "Adicionar tabela usando exemplos" (em inglês, "Add table using examples"), em que você descreve as colunas digitando valores de amostra. Segundo a [documentação do conector no Microsoft Learn](https://learn.microsoft.com/pt-br/power-query/connectors/web/web), os tipos de autenticação aceitos são anônimo, Windows, básico (nome de usuário e senha), chave de API Web e conta organizacional. Preencher um formulário de login e entrar não está nessa lista. Percorrer página por página uma lista de cinquenta páginas até é possível no Excel, mas não é prático; nesse ponto passa-se para o quarto degrau.

## Degrau 2: IMPORTHTML e IMPORTXML no Google Planilhas

O Google Planilhas faz o mesmo trabalho com fórmula. [`IMPORTHTML`](https://support.google.com/docs/answer/3093339?hl=pt-BR) despeja nas células uma tabela ou uma lista de uma página, e [`IMPORTXML`](https://support.google.com/docs/answer/3093342?hl=pt-BR), qualquer elemento que você descreva com XPath. Em uma planilha com a localidade Brasil, os argumentos são separados por ponto e vírgula:

```text
=IMPORTHTML("https://en.wikipedia.org/wiki/Demographics_of_India"; "table"; 4)
=IMPORTXML("https://books.toscrape.com/"; "//article[@class='product_pod']/h3/a/@title")
```

A primeira fórmula é o exemplo da própria documentação do Google: ela traz a quarta tabela da página, e a contagem começa em 1. Na documentação em inglês, os valores aceitos pelo segundo argumento são `"table"` e `"list"`; no exemplo da página de ajuda em português essa palavra aparece traduzida, então, se a fórmula der erro, este é o primeiro lugar para olhar. Testamos a expressão XPath da segunda fórmula no HTML do site de treino; ela devolve os títulos dos vinte livros da página inicial. É por isso que, em uma página com layout de cartões, descrever o elemento com XPath funciona melhor do que procurar uma tabela.

Este degrau tem três limites. A fórmula roda nos servidores do Google, a requisição não sai do seu computador. Por isso ela não enxerga uma página em que você fez login, um painel da rede da sua empresa nem a sessão do seu navegador. A fórmula lê o HTML bruto da página; se o conteúdo é preenchido depois por JavaScript, a célula recebe um resultado vazio ou um erro. O terceiro limite é a escala: não é você quem decide quando as fórmulas são atualizadas, e colocar centenas de fórmulas de importação em um arquivo deixa a planilha pesada. Serve para uma tabela de uma página só, acompanhada por uma equipe, não para um catálogo de mil produtos.

## Degrau 3: programas de extração de dados e extensões de navegador

As ferramentas que aparecem quando você pesquisa "programa para extrair dados" ou "web scraping sem programar" se dividem em três grupos:

- **Extensões de navegador.** Na página aberta você clica em um cartão de produto, depois no título e no preço; a extensão encontra todos os cartões com o mesmo padrão e baixa tudo como arquivo CSV ou Excel. Como a requisição sai do seu navegador, a extensão vê a página do mesmo jeito que você vê.
- **Ferramentas sem código, de desktop e na nuvem.** Acrescentam paginação, agendamento e execução na nuvem à mesma lógica de descrever clicando. A maioria tem um plano gratuito; confira os limites na página de preços da própria ferramenta.
- **Ferramentas de fluxo de trabalho.** Transformam a extração em um elo de uma corrente: busque a página, separe o campo, grave na planilha, avise se houver mudança. Montamos um exemplo desse grupo no nosso artigo sobre [web scraping com n8n](/pt-br/blog/n8n-proxy).

Em trabalhos pontuais de algumas centenas de linhas, essas ferramentas dão resultado mais rápido do que Python. Onde elas travam aparece com o tempo. A receita é gravada de acordo com o design que a página tinha naquele dia; quando o site muda o nome de uma classe, a ferramenta produz em silêncio uma coluna vazia, e perceber isso fica por sua conta. Nas ferramentas que rodam na nuvem, os dados coletados e os dados de conta que você tenha informado passam pelos servidores de uma terceira empresa; leve isso em conta na hora de escolher.

## Degrau 4: extrair dados de um site com Python

A dupla mais comum em Python são as bibliotecas [Requests](https://requests.readthedocs.io/en/latest/) e [BeautifulSoup](https://www.crummy.com/software/BeautifulSoup/bs4/doc/). O Requests baixa a página, o BeautifulSoup analisa o HTML e deixa você selecionar campos com seletores CSS. A instalação é uma linha:

```bash
pip install requests beautifulsoup4
```

O script abaixo percorre as três primeiras páginas do site de treino, coleta o título, o preço, a disponibilidade e o endereço de cada livro e grava o resultado em um arquivo CSV que o Excel abre direto. Quando rodamos com Python 3.13, ele gerou sem problemas o arquivo com 60 livros.

```python
import csv
import os
import time
from urllib.parse import urljoin

import requests
from bs4 import BeautifulSoup

START_URL = "https://books.toscrape.com/"
MAX_PAGES = 3          # três páginas bastam para treinar
DELAY = 2              # segundos entre duas requisições

# Se precisar de proxy: PROXY_URL=http://user:pass@pr.proxynet.io:8000
proxy = os.environ.get("PROXY_URL")

session = requests.Session()
session.headers["User-Agent"] = "teste-preco-livros/1.0 (contato: voce@example.com)"
if proxy:
    session.proxies = {"http": proxy, "https": proxy}

rows = []
url = START_URL
for page in range(MAX_PAGES):
    response = session.get(url, timeout=20)
    response.raise_for_status()
    response.encoding = "utf-8"
    soup = BeautifulSoup(response.text, "html.parser")

    for card in soup.select("article.product_pod"):
        rows.append({
            "titulo": card.select_one("h3 a")["title"],
            "preco": card.select_one("p.price_color").get_text(strip=True),
            "estoque": card.select_one("p.instock").get_text(strip=True),
            "endereco": urljoin(url, card.select_one("h3 a")["href"]),
        })

    next_link = soup.select_one("li.next a")
    if next_link is None:
        break
    url = urljoin(url, next_link["href"])
    time.sleep(DELAY)

if not rows:
    raise SystemExit("Nenhum produto encontrado: os seletores mudaram ou a página é preenchida por JavaScript.")

# utf-8-sig: o Excel mostra os acentos corretamente ao abrir o arquivo
with open("livros.csv", "w", newline="", encoding="utf-8-sig") as f:
    writer = csv.DictWriter(f, fieldnames=rows[0].keys())
    writer.writeheader()
    writer.writerows(rows)

print(f"{len(rows)} linhas gravadas em livros.csv")
```

O script traz quatro decisões que as ferramentas sem código não deixam com você. A linha `User-Agent` diz quem você é e como falar com você; use um nome de bot honesto em vez de uma identidade de navegador falsa. `DELAY` coloca uma espera entre duas requisições. `raise_for_status()` interrompe o script diante de um código de erro, e assim o conteúdo de uma página bloqueada não vai parar no seu arquivo como se fosse dado. A verificação `if not rows` no final é o remédio para o problema da coluna vazia e silenciosa do terceiro degrau: se o seletor não casa, o script avisa em voz alta.

Daqui em diante o caminho se ramifica conforme o tamanho do trabalho. Para uma fila de rastreamento capaz de retomar cinquenta páginas de onde parou, veja nosso artigo sobre [como percorrer listas paginadas](/pt-br/blog/pagination-web-scraping); para páginas que exigem login com a sua própria conta, [sessão e cookies em Python](/pt-br/blog/python-login-session-cookies); para trabalhos regulares de centenas de páginas, [Scrapy](/pt-br/blog/scrapy-proxy). Se a sua equipe não escreve Python, dá para montar a mesma lógica [com PHP](/pt-br/blog/php-web-scraping), [com C#](/pt-br/blog/csharp-web-scraping) ou [com JavaScript](/pt-br/blog/web-scraping-javascript-vs-python); o método não depende da linguagem.

No armazenamento, um CSV basta para um trabalho pontual. Se o trabalho se repete, um arquivo sobrescrito perde o histórico de mudanças; a montagem que acrescenta a data a cada linha e grava em SQLite está no nosso artigo sobre [monitoramento de preços da concorrência](/pt-br/blog/competitor-price-tracking), e a análise dos dados coletados, em [Mineração de dados](/pt-br/blog/what-is-data-mining).

## Degrau 5: navegador headless quando a página é preenchida por JavaScript

Os autores do mesmo site também oferecem [uma página de treino preenchida por JavaScript](https://quotes.toscrape.com/js/). Quando baixamos essa página com o Requests e procuramos nela as caixas de citação, o resultado foi zero: as caixas não estão no HTML, elas surgem depois que o navegador executa o script. É exatamente aqui que o segundo e o quarto degraus travam.

Um navegador headless é um navegador de verdade, sem janela. Ele abre a página, executa o JavaScript, e você lê os dados da página já montada. Com o [Playwright](https://playwright.dev/python/docs/intro), a mesma página é lida assim (depois de `pip install playwright` e `playwright install chromium`):

```python
from playwright.sync_api import sync_playwright

with sync_playwright() as p:
    browser = p.chromium.launch()
    page = browser.new_page()
    page.goto("https://quotes.toscrape.com/js/")
    page.wait_for_selector("div.quote")          # espera o elemento aparecer
    for quote in page.locator("div.quote").all():
        text = quote.locator("span.text").inner_text()
        author = quote.locator("small.author").inner_text()
        print(author, "-", text[:60])
    browser.close()
```

O preço deste degrau são os recursos: para cada página abre-se uma aba de navegador, e imagens e scripts são baixados. Por isso o navegador headless é o último degrau. Na maioria das páginas dinâmicas sai mais barato encontrar o endereço JSON de onde os dados vêm; a decisão entre os dois caminhos e as estratégias de espera estão em [Páginas estáticas e dinâmicas](/pt-br/blog/static-vs-dynamic-pages), e como configurar um proxy no navegador, no nosso artigo sobre [Playwright e proxy](/pt-br/blog/playwright-proxy).

## Em que degrau o proxy entra?

Nos três primeiros degraus o proxy quase nunca vem ao caso. A fórmula do Planilhas sai do servidor do Google, e você não tem como colocar nada no meio. O Excel e a extensão de navegador usam a conexão do seu próprio computador; para um trabalho de poucas páginas também não é preciso mais nada.

O proxy aparece no quarto e no quinto degraus, em três situações concretas:

- **O conteúdo muda conforme o país.** Se uma loja mostra um preço para quem acessa da Alemanha e outro para quem acessa da Türkiye, só uma conexão que sai daquele país enxerga o dado certo. Os [Proxies residenciais](https://proxynet.io/pt-br/residential-proxy) com segmentação por localização servem para isso; a cobrança é por GB e o preço base atual é R$ 7,8.
- **O trabalho cresceu.** Buscar milhares de páginas em um tempo razoável e sem sobrecarregar o site de destino significa não amontoar as requisições em um único endereço. Os [Proxies rotativos](https://proxynet.io/pt-br/rotating-proxy) distribuem a carga em um pool. Explicamos o mecanismo no nosso artigo sobre [rotação de IP](/pt-br/blog/ip-rotation-explained).
- **É preciso manter uma sessão.** Se você vai fazer login com a sua própria conta e percorrer algumas páginas, precisa ficar no mesmo IP durante toda a sessão; para isso se usam os [Proxies de sessão fixa](https://proxynet.io/pt-br/sticky-proxy).

Também é preciso dizer o que o proxy não faz. O limite de taxa é o jeito de um site dizer "já chega", e não é um obstáculo a vencer trocando de IP, e sim um sinal a respeitar; detalhamos o significado da resposta `429` em [429 Too Many Requests](/pt-br/blog/http-429-too-many-requests). A lista de diagnóstico das causas de bloqueio está em [Como fazer web scraping sem ser bloqueado](/pt-br/blog/web-scraping-without-getting-blocked).

Para usar um proxy no script você não precisa mexer no código. Quando a variável `PROXY_URL` recebe um endereço no formato `http://user:pass@pr.proxynet.io:8000`, todas as requisições passam por ele. Testamos o exemplo com um proxy de teste local: com as credenciais certas as páginas chegaram, com a senha errada o Requests lançou um `ProxyError` com `407 Proxy Authentication Required`. O Requests também lê sozinho a variável de ambiente `HTTPS_PROXY`; os detalhes dessas variáveis estão em [Uso de proxy com o wget](/pt-br/blog/wget-proxy).

## Casos de uso

- **Monitoramento de preços e estoque:** Coletar com regularidade os preços públicos das páginas da concorrência para acompanhar a posição dos seus próprios produtos no mercado. O desenho da solução está na nossa página de [monitoramento de preços](/pt-br/price-monitoring).
- **Pesquisa de mercado:** Indicadores agregados como o número de produtos de uma categoria, a faixa de preços e a distribuição por marca. Os detalhes estão na nossa página de [pesquisa de mercado](/pt-br/market-research).
- **Auditoria de catálogo e conteúdo:** Procurar descrições faltando, links quebrados ou preços errados nas milhares de páginas do seu próprio site. No seu site não existe questão de permissão, e ele é também o alvo mais seguro para as primeiras tentativas.

## Erros comuns

- **Analisar a página sem olhar se há API.** Brigar com o HTML quando existe uma fonte oficial gera um trabalho que quebra a cada mudança de design.
- **Começar a escada pelo topo.** Montar um navegador headless para uma tabela HTML simples deixa o trabalho mais lento e mais difícil de manter.
- **Tomar resultado vazio por dado.** Quando o seletor não casa, a maioria das ferramentas não dá erro, dá uma coluna vazia. Confira o número de linhas a cada execução.
- **Escrever um laço sem espera.** Um script que manda dezenas de requisições por segundo recebe primeiro um `429`, depois um bloqueio duradouro, e pode mesmo deixar um site pequeno mais lento.
- **Coletar dados pessoais porque "estão à vista".** Os nomes de quem escreve avaliações e os telefones dos anunciantes são dados pessoais. Fique com as informações de preço e de produto.

## Guia de decisão

| Necessidade | Método |
|---|---|
| O site tem uma API ou um botão "Baixar CSV" | Use isso, não extraia |
| Uma tabela bem montada em uma única página, dados trabalhados no Excel | Excel, Dados > Da Web |
| Algumas centenas de linhas em layout de cartões, uma vez só | Extensão de navegador ou `IMPORTXML` |
| Dezenas de páginas, execução agendada, seu próprio formato de arquivo | Python, Requests e BeautifulSoup |
| Centenas ou milhares de páginas, rastreamento regular | Scrapy e proxies rotativos que distribuem a carga |
| O conteúdo só é gerado no navegador e o endereço JSON não aparece | Navegador headless (Playwright) |
| Os dados mudam conforme o país | Python ou Playwright com proxies residenciais segmentados por localização |
| Os dados estão atrás de um login e a conta não é sua | Não extraia; peça permissão ou uma API ao dono do site |

## Perguntas frequentes

### Dá para extrair dados de um site sem programar?

Sim. Se a página tem uma tabela HTML, o recurso Da Web do Excel e a fórmula `IMPORTHTML` do Planilhas fazem o trabalho; em páginas com layout de cartões, extensões de navegador e ferramentas sem código. Quando entram centenas de páginas, repetição diária e controle de erros, escrever código passa a dar menos trabalho.

### Existe programa gratuito para extrair dados?

Se você tem o Excel ou uma conta do Google, os dois primeiros degraus não têm custo adicional. O Python e as bibliotecas citadas no artigo são de código aberto. A maioria das ferramentas sem código oferece um plano gratuito; confira os limites na página da própria ferramenta. Fique longe de links de "baixar programa" de origem duvidosa; instale a extensão pela loja oficial do seu navegador.

### Extrair dados de um site é legal?

Coletar dados públicos e não pessoais em uma velocidade razoável não é proibido por si só na maioria dos ordenamentos jurídicos; mas os termos de uso do site, os direitos autorais e, nos dados pessoais, a LGPD mudam o resultado. Este artigo não é aconselhamento jurídico. Explicamos o quadro em [Web scraping é legal?](/pt-br/blog/is-data-web-scraping-legal); em um projeto comercial, consulte um advogado.

### Por que o Excel não enxerga os dados da página?

A causa mais comum é os dados não estarem montados como tabela HTML, e sim como cartões ou lista; o Navegador pode não sugerir a tabela que você procura. A segunda causa é a página pedir login, e a terceira, o conteúdo ser carregado depois por JavaScript. No primeiro caso a solução é `IMPORTXML` ou uma extensão de navegador; nos outros, os degraus de Python.

### É obrigatório aprender Python para extrair dados?

Não. O método não depende da linguagem: envie a requisição, analise o HTML, selecione o campo, salve. Comece com a linguagem que a sua equipe já conhece. A comparação entre duas linguagens populares está em [Extração de dados: JavaScript ou Python?](/pt-br/blog/web-scraping-javascript-vs-python).

### Quando é preciso usar proxy para extrair dados?

Em um trabalho lento, de algumas centenas de páginas e a partir de um único país, não é preciso. É preciso quando o conteúdo muda conforme o país, quando o trabalho cresceu para milhares de páginas e a carga tem de ser distribuída, ou quando o IP precisa ficar fixo durante uma sessão com login. O proxy não é uma ferramenta para ignorar o limite de taxa que o site definiu.

## Em resumo

Extrair dados de um site tem cinco degraus, e o certo é o mais baixo que resolve o seu trabalho. Procure primeiro uma API ou um botão de download. Para uma tabela bem montada usam-se o Excel ou o Planilhas; para trabalhos pontuais em layout de cartões, extensões e ferramentas sem código; para trabalhos que se repetem e crescem, Python; e só para o conteúdo gerado no navegador, o navegador headless. Em qualquer degrau, colete apenas dados públicos, em baixa velocidade e respeitando as regras do site. Quando o trabalho crescer a ponto de exigir segmentação por país ou distribuição de carga, você encontra os tipos de proxy adequados nos [nossos serviços de proxy](/pt-br/proxy).