---
title: "Custo do web scraping: scraper próprio ou API de scraping?"
description: "Ferramentas de web scraping são grátis; operá-las, não. Os oito custos de um scraper próprio, pesos de página medidos e quando compensa uma API de scraping."
url: https://proxynet.io/pt-br/blog/web-scraping-cost
date: 2026-11-09
author: "Acar Diveroli"
category: "Web scraping, Casos de uso"
lang: pt-BR
---

# Custo do web scraping: scraper próprio ou API de scraping?

Um gerente de produto pergunta quanto custaria coletar os preços de 60 lojas online toda manhã. O desenvolvedor responde que Scrapy e Playwright são gratuitos, então "alguns dias de trabalho". Seis meses depois, a conta chega por onde ninguém a orçou: consertos no parser toda semana, uma fatura de proxies que cresce a cada nova tentativa e um servidor cheio de navegadores headless.

Este post lista os oito itens de custo de um scraper próprio e como cada um cresce, mede o que uma busca de HTML simples e um carregamento completo em navegador realmente transferem em uma página pública, desenvolve uma estimativa ilustrativa e a compara com a forma como as APIs de scraping cobram.

> **Nota: Resposta rápida**
>
> Web scraping custa dinheiro mesmo com bibliotecas gratuitas: tempo de engenharia, manutenção quando os sites mudam, servidores (muito mais com renderização em navegador), tráfego de proxies, novas tentativas que multiplicam todo o resto, armazenamento, monitoramento e revisão jurídica. Uma API de scraping reúne a maior parte desses itens em um preço por requisição bem-sucedida. Construir compensa para poucos sites estáveis de alto volume com uma equipe própria; uma API, para muitos sites, páginas pesadas em JavaScript e projetos curtos; um volume grande e constante costuma terminar em um modelo híbrido.

## Web scraping custa dinheiro?

Sim: o software é gratuito, a operação não. Scrapy, Beautiful Soup, Playwright e Puppeteer não custam nada em licença, e um primeiro script roda no seu notebook. O custo começa quando ele precisa rodar todo dia, em muitas páginas, a partir do país certo, e sobreviver ao próximo redesign do site de destino. Você paga por um processo, não por uma ferramenta.

Uma API de scraping muda quem paga cada item: o provedor opera os navegadores, os proxies e as novas tentativas e cobra por página entregue. Como esse serviço funciona está em [Web scraping API: o que é, como funciona e quando usar](/pt-br/blog/what-is-a-web-scraping-api); este post trata do dinheiro.

## Quanto custa construir e operar seu próprio scraper?

Um scraper próprio tem oito itens de custo, e só o primeiro é pago uma vez.

1. **Tempo de engenharia para construir.** Fetcher, um parser por site, agendador, armazenamento, testes; cresce com o número de sites distintos, porque cada layout precisa do próprio parser.

2. **Manutenção quando os sites mudam.** O custo que as pessoas esquecem. Um redesign, uma classe CSS renomeada, um novo aviso de cookies ou uma proteção contra bots mais rígida quebram um parser da noite para o dia, e os dados param em silêncio ou chegam errados. Cresce com o número de sites vezes o ritmo de mudança deles; orce esse item como uma fração mensal recorrente do custo de construção.

3. **Computação: requisições HTTP ou navegadores headless.** Uma requisição simples baixa o HTML e nada mais; um navegador headless baixa scripts, estilos, fontes e imagens como um visitante faria, executa o JavaScript e renderiza bem menos páginas por hora por servidor. A próxima seção mede a diferença.

4. **Tráfego de proxies.** Muitos destinos mostram preços diferentes por país, e um fluxo constante de um único endereço é a primeira coisa que um limite de taxa pega, então scrapers em produção enviam as requisições por proxies. Os proxies residenciais são cobrados por gigabyte (os nossos começam em R$ 8,3), então o custo deles cresce com os bytes: peso da página × páginas × novas tentativas. Os proxies de ISP estático e de datacenter são cobrados por IP com tráfego sem cota, então o custo deles cresce com o número de endereços.

5. **Novas tentativas como multiplicador.** Timeouts, respostas `5xx` e páginas de bloqueio significam buscar uma página mais de uma vez, e cada repetição custa computação e tráfego de novo: com uma taxa de falha de 30%, você move 1,3 vezes o tráfego para as mesmas páginas aproveitáveis. Um `429` ou um CAPTCHA é um sinal para desacelerar, não para tentar com mais força; [Como fazer web scraping sem ser bloqueado](/pt-br/blog/web-scraping-without-getting-blocked) explica as regras de espera (backoff) que mantêm baixa a taxa de novas tentativas.

6. **Armazenamento, parsing e controles de qualidade.** O HTML bruto guardado para um novo parsing se acumula, e os registros extraídos precisam de validação de schema, remoção de duplicatas e conferências por amostragem. Preços vazios depois de um redesign custam mais do que dado nenhum, porque alguém age com base neles.

7. **Monitoramento e alertas.** Alguém precisa saber em questão de horas que um site começou a devolver páginas de bloqueio ou que a taxa de sucesso caiu de 97% para 60%. Painéis, alertas e tempo de reação custam dinheiro mesmo quando nada quebra.

8. **Revisão jurídica e conformidade.** Ler os termos de cada destino, conferir o robots.txt, decidir se há dados pessoais envolvidos e documentar a base legal toma horas de quem não é desenvolvedor. O padrão do robots.txt diz que suas regras "não são uma forma de autorização de acesso" ([RFC 9309](https://www.rfc-editor.org/rfc/rfc9309.html#section-1)): o arquivo não impõe nada, então a conformidade continua com você. Para um projeto específico, consulte um advogado.

## Quanto a mais um navegador headless transfere?

Na página que medimos, um carregamento completo em navegador headless transferiu 18,7 vezes os bytes de uma busca de HTML simples.

Em 9 de novembro de 2026, buscamos uma página pública, a página de referência da MDN para o status HTTP `429 Too Many Requests` (o robots.txt dela permite o caminho), de três formas: um único GET HTTPS comprimido do HTML, um carregamento completo em Chromium headless pelo Playwright com cache vazio, e o mesmo carregamento com as requisições de imagens, fontes e mídia abortadas. Os bytes são cabeçalhos mais corpos codificados segundo o `request.sizes()` do Playwright, cujo `responseBodySize` é o tamanho comprimido na rede ([Playwright: request.sizes()](https://playwright.dev/docs/api/class-request#request-sizes)).

| Método | Requisições | Transferido | Tempo |
|---|---|---|---|
| Busca de HTML simples | 1 | 23,4 KB | 47 ms |
| Navegador headless, carregamento completo | 81 | 436,6 KB | 4,2 s |
| Navegador headless, imagens, fontes e mídia bloqueadas | 64 | 209,3 KB | 1,5 s |

O HTML também teve 23,3 KB no navegador; os outros 413 KB foram 39 scripts (155,5 KB), duas fontes (133,3 KB), 15 imagens (78 KB), 17 folhas de estilo e alguns pings de analytics. Abortar imagens, fontes e mídia com `page.route()` ([Playwright: abortar requisições](https://playwright.dev/docs/network#abort-requests)) cortou o tráfego pela metade e o tempo de carregamento para um terço.

Essa página de documentação é leve: o Web Almanac 2025 coloca a página inicial mediana em 2,86 MB no desktop e 2,56 MB no celular, dos quais 22 KB são HTML ([Web Almanac 2025: peso da página](https://almanac.httparchive.org/en/2025/page-weight)). Ali, um carregamento em navegador move megabytes por página, e com proxies cobrados por gigabyte a renderização vira o maior item da fatura.

Meça primeiro os seus próprios destinos: o painel Network do Chrome DevTools mostra o número de requisições e o tamanho transferido de um carregamento, com **Disable cache** (desativar cache) para a visão de quem visita pela primeira vez ([Chrome DevTools: referência do Network](https://developer.chrome.com/docs/devtools/network/reference)). Se os campos de que você precisa já estão no HTML ou em uma resposta JSON, você não precisa de navegador.

## Como comparar o preço de uma API com os seus próprios custos?

Converta os dois para o custo por 1.000 páginas aproveitáveis nos seus próprios destinos; nada além disso é comparável.

As APIs de scraping cobram por página recebida, em unidades que variam por provedor (por requisição, créditos com multiplicadores para renderização e saídas residenciais, mínimos mensais, uma definição de sucesso); o post irmão explica esses modelos. Monte o mesmo número para o seu próprio caminho: horas à sua taxa mais servidores, tarifas de proxy ou de IP, armazenamento e monitoramento, divididos pelas páginas aproveitáveis.

| Item de custo | Construir você mesmo | API de scraping | Cresce com |
|---|---|---|---|
| Construção | Suas horas por site | Uma integração | Número de sites |
| Manutenção | Suas horas, a cada mudança | Tarefa do provedor | Sites × ritmo de mudança |
| Computação | Servidores e navegadores | No preço (nível de renderização) | Páginas, parcela renderizada |
| Tráfego de proxies | Por GB ou por IP | No preço (nível de saída) | Bytes ou número de IPs |
| Novas tentativas | Você paga cada tentativa | Geralmente só os sucessos são cobrados | Taxa de falha |
| Armazenamento, QA, monitoramento | Seus | Seus, mais a disponibilidade deles | Páginas, sites |
| Revisão jurídica | Sua | Sua | Destinos, dados pessoais |

## Um exemplo com variáveis

Os números abaixo são redondos e inventados para mostrar a aritmética; substitua-os pelas suas próprias medições.

| Variável | Significado | Valor ilustrativo |
|---|---|---|
| P | Páginas aproveitáveis por mês | 1.000.000 |
| r | Fator de novas tentativas (1 + parcela de tentativas falhas) | 1,3 |
| s | Bytes transferidos por tentativa | 60 KB simples, 1,5 MB renderizado |
| h | Horas de engenharia e manutenção por mês | 40 |

A renderização muda o tráfego por um fator de 25 para as mesmas páginas:

| Linha | Fórmula | HTTP simples | Renderizado |
|---|---|---|---|
| Tráfego de proxies | P × r × s | 78 GB | 1.950 GB |
| Proxies residenciais | tráfego × preço por GB | 78 × G | 1.950 × G |
| Proxies ISP ou de datacenter | endereços × preço por IP | n × I | n × I |
| Pessoas | h × valor da hora | 40 × R | 40 × R, mais a manutenção dos navegadores |

Com proxies residenciais medidos por GB, o multiplicador da renderização cai na fatura; com endereços sem cota, nos seus servidores. O fator de novas tentativas está em todas as linhas: reduzir as falhas de 30% para 10% elimina cerca de 15% do tráfego. O lado da API é P vezes o preço dela por 1.000 páginas aproveitáveis, mais as suas horas de integração e conferência.

## Quando construir compensa, e quando uma API compensa?

Construir compensa quando o trabalho é estreito, estável e longo; uma API, quando é amplo, mutável ou curto.

**Construa com proxies** para um punhado de sites estáveis, um volume em que um preço por página iria se acumular e uma equipe que já opera scrapers. **Use uma API de scraping** quando a lista de sites é longa ou muda a cada trimestre, a maioria dos destinos renderiza com JavaScript ou o projeto termina em três meses. **Adote um modelo híbrido** quando poucos sites carregam o volume e uma cauda longa carrega a complexidade.

## Quais custos ocultos as estimativas deixam passar?

Quatro custos raramente aparecem na planilha. **Custo de oportunidade:** o desenvolvedor que mantém parsers não está construindo o produto que esses dados alimentam. **Qualidade dos dados:** um scraper que devolve campos desatualizados em silêncio é mais barato de operar do que um correto, até que uma decisão seja tomada com base nele. **Conformidade:** revisão de termos, conferência do robots.txt, minimização de dados e um acordo de processamento de dados com qualquer provedor que trate dados pessoais tomam tempo a cada novo destino. **Fator ônibus (bus factor):** um pipeline que só uma pessoa entende vira um passivo no dia em que essa pessoa vai embora.

## Quando comprar só proxies é a escolha certa?

Comprar só proxies é a escolha certa quando você já opera um scraper que funciona e só faltam as saídas: o país certo, endereços distintos em quantidade suficiente ou um IP estável para uma sessão.

Para sites cujo conteúdo varia por localização, os [Proxies residenciais](https://proxynet.io/pt-br/residential-proxy) oferecem sessões rotativas ou fixas com segmentação por país e cidade, cobradas por gigabyte, então busque HTML simples onde puder e bloqueie imagens e fontes onde não puder.

Para alto volume em destinos estáveis, os [Proxies ISP](https://proxynet.io/pt-br/static-isp-residential-proxy) são cobrados por IP com tráfego sem cota; os proxies de datacenter seguem o mesmo modelo e são os mais baratos por endereço. Os dois vêm por padrão com uma restrição de sites de destino, e o acesso a todos os sites é um complemento pago. O pagamento é um saldo que nunca expira, sem assinatura e sem teste gratuito.

## Quando uma API de scraping gerenciada é a escolha certa?

Uma API gerenciada é a escolha certa quando a lista de sites é longa ou muda com frequência, a maioria das páginas precisa de renderização ou o projeto é curto demais para amortizar uma construção própria: você envia URLs e recebe páginas ou campos, e o provedor carrega navegadores, saídas, novas tentativas e manutenção. Antes de assinar, pergunte qual é a unidade de cobrança, a definição de sucesso, se o robots.txt é respeitado e como a renderização é precificada. Nossa Web Scraping API, extração gerenciada de páginas, está disponível pela equipe de vendas; a [página de extração de dados](/pt-br/data-scraping) descreve a parte dos proxies e como falar com a equipe.

## Erros comuns

- **Contar só a construção.** Em dois anos, a engenharia do primeiro mês é o menor item.
- **Ignorar as novas tentativas.** Uma taxa de falha de 30% é um acréscimo de 30% em computação e tráfego.
- **Proxies residenciais para todo destino.** Sites que não variam por localização saem mais baratos em IPs sem cota.
- **Não medir o peso da página.** Escolher proxies medidos por GB sem saber se uma página tem 25 KB ou 2,5 MB.
- **Renderizar tudo.** Muitas páginas trazem os dados no HTML ou em uma resposta JSON.
- **Nenhum limite de gastos.** Um scraper, uma conta de proxy e uma chave de API precisam, cada um, de um limite mensal e de um alerta.

## Guia de decisão

| Necessidade | Recomendação |
|---|---|
| Três sites estáveis, milhões de páginas, equipe própria | Construir; IPs ISP ou de datacenter sem cota |
| Preços como os visitantes de dez países os veem | Saídas residenciais, requisições simples |
| Sessenta sites com layouts diferentes, equipe pequena ou projeto de três meses | API de scraping |
| A maioria dos destinos renderiza com JavaScript | API com renderização por destino |
| Volume constante em poucos sites mais uma cauda longa | Híbrido: scraper próprio, API para a cauda |
| O site oferece uma API oficial com os seus campos | A API oficial |

## Perguntas frequentes

### Web scraping custa dinheiro?

Sim. As bibliotecas são gratuitas, mas operar um scraper custa tempo de engenharia, manutenção, servidores, tráfego de proxies, armazenamento, monitoramento e revisão jurídica. Um script de uma vez só é quase de graça; um pipeline diário em muitos sites é um custo recorrente.

### Quanto custa um web scraper?

Não existe um número único: depende do número de sites, das páginas por mês, da parcela renderizada e da frequência com que os destinos mudam. Estime por mês como horas à sua taxa mais servidores, tarifas de proxy, armazenamento e monitoramento, divididos pelas páginas aproveitáveis.

### Uma API de scraping é mais barata do que proxies?

Para muitos sites diferentes ou pesados em JavaScript e uma equipe pequena, geralmente sim, porque o preço dela inclui navegadores, novas tentativas e manutenção. Para alto volume em poucos sites estáveis, seu próprio scraper com proxies sem cota costuma ser mais barato por página.

### Como estimo a banda de proxy para scraping?

Multiplique as páginas por mês pelo fator de novas tentativas e pelos bytes transferidos por página, medidos nos seus destinos reais; uma busca simples costuma ter dezenas de kilobytes e um carregamento em navegador, megabytes.

### Por que os custos de web scraping crescem com o tempo?

Porque os destinos mudam e o volume cresce: redesigns custam horas de manutenção, sites novos adicionam parsers, as novas tentativas aumentam conforme a proteção fica mais rígida e as páginas brutas armazenadas se acumulam.

### Ferramentas de scraping gratuitas são realmente de graça?

A licença é gratuita; a operação não. Scrapers de código aberto eliminam o custo do software; os servidores, os proxies, a manutenção e a responsabilidade pelo que eles coletam são seus.

## Em resumo

Web scraping custa dinheiro porque é uma operação, não um download, e novas tentativas e renderização multiplicam todos os outros itens. Meça o peso da página e a taxa de falha nos seus destinos reais, converta cada opção para o custo por 1.000 páginas aproveitáveis e então escolha: seu próprio scraper em proxies sem cota para poucos sites estáveis, uma API de scraping para muitos sites ou sites que mudam, um híbrido para volume constante com cauda longa. Se o que falta são as saídas e não o scraper, comece pelos nossos [serviços de proxy](/pt-br/proxy).