Fazer web scraping significa ler dados públicos de páginas web, armazená-los e reuni-los em conjuntos de dados. Em geral isso é lícito, mas há limites — e eles não passam onde muita gente imagina.
O que é web scraping
Uma página web chega em HTML. No scraping, um programa lê esse HTML, extrai os campos de interesse e os guarda em um formato aproveitável: JSON, CSV ou um banco de dados. Tecnicamente não acontece mais nada; a questão jurídica não está na leitura, e sim nos próprios dados e no uso posterior.
A linha que de fato separa
Coletar dados publicamente acessíveis é, em princípio, lícito. Quatro coisas mudam isso:
- Dados atrás de um login. O que só aparece depois de entrar em uma conta não é público, por mais fácil que seja criar essa conta.
- Dados pessoais. Têm regras próprias; veja adiante.
- Conteúdo protegido por direitos autorais. Textos, imagens, logotipos e peças editoriais não podem ser simplesmente copiados e redistribuídos.
- Os termos de uso do site. Muitos portais e marketplaces grandes proíbem expressamente o acesso automatizado. Ler os termos e o
robots.txtfica no começo do projeto, não no fim.
Resumindo: o fato de a coleta ser lícita ainda não diz nada sobre o que você pode fazer com os dados depois.
A situação por jurisdição
Estados Unidos
Tribunais americanos decidiram repetidas vezes que dados publicamente acessíveis podem ser coletados livremente. Os limites vêm do Computer Fraud and Abuse Act (CFAA), da lei de direitos autorais e de normas de privacidade como o California Consumer Privacy Act (CCPA). O que está atrás de um login não conta como "público".
União Europeia
Semelhante: dados publicamente acessíveis podem ser coletados desde que não se violem o Regulamento Geral sobre a Proteção de Dados (RGPD), a Diretiva sobre bases de dados ou a Diretiva sobre direitos autorais no mercado único digital.
Reino Unido
Vale o mesmo princípio. É preciso observar o Data Protection Act, o Copyright, Designs and Patents Act e o Computer Misuse Act — e, de novo: nada atrás de um login, nenhum dado pessoal sem base legítima, nenhum material protegido.
Türkiye
Não existe uma lei específica de scraping; o princípio coincide com o da UE, dos EUA e do Reino Unido. Dois pontos são especialmente importantes ali: os termos de uso do site de destino obrigam — vários portais turcos grandes proíbem expressamente o acesso automatizado — e a carga que você gera pode se tornar um problema por si só. Quem submete um site a tantas requisições que o funcionamento dele sofre entra, independentemente dos dados, em terreno penalmente relevante.
Dados pessoais
Por muito tempo quase ninguém se importou com dados pessoais. Hoje é o contrário na UE, na Califórnia e em muitas outras jurisdições. Se você coleta esse tipo de dado, não tem como contornar o RGPD e o CCPA.
O RGPD define dados pessoais como "qualquer informação relativa a uma pessoa singular identificada ou identificável". A definição é propositalmente ampla. Alguns exemplos:
- Dados da pessoa: nome e sobrenome, data de nascimento, endereço, números de documento e de previdência, informações de emprego
- Dados de contato: telefone, e-mail, endereço IP, contas em redes sociais
- Dados coletados por aplicativos: localização por endereço ou GPS, hábitos de compra, dados de comportamento
- Gravações e dados biométricos
- Categorias especiais: sexo e orientação sexual, origem étnica, convicções religiosas, opiniões políticas, dados de saúde
Praticamente qualquer informação atribuível a uma pessoa específica entra aí. Na dúvida, considere que são dados pessoais.
O que os tribunais decidiram
Grandes plataformas já foram várias vezes contra serviços de scraping. Um caso bastante comentado: a Meta processou a Bright Data por coletar dados do Facebook e do Instagram — e perdeu.
O tribunal entendeu que a Meta não conseguiu comprovar que dados não públicos tivessem sido coletados, isto é, dados atrás de um login ou protegidos por senha. Para a coleta de dados de usuário visíveis publicamente, não considerou suficientemente demonstrados nem um acesso não autorizado nem um descumprimento dos termos de uso.
A linha fica bem clara: coletar dados visíveis publicamente tem respaldo nos tribunais americanos. Criar contas para chegar a conteúdos que só são mostrados a usuários logados, não.
Conclusão
O web scraping é legal? Em regra sim, com os limites acima. Respeite três coisas e a maioria dos problemas nem chega a aparecer:
- Fique no que é visível sem fazer login.
- Leia os termos de uso e o
robots.txtantes de começar. - Não sobrecarregue o site de destino: distribua as requisições e reduza o ritmo.
O terceiro ponto tem uma parte técnica: com um proxy, as requisições se distribuem entre vários endereços em vez de saturar um site a partir de um único IP. Não é só questão de taxa de sucesso, é também consideração pelo funcionamento do outro lado.
